Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>K=graph neural networks<.>)

Общее количество найденных документов : 3
Показаны документы с 1 по 3

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Сергадеева А. И., Лаврова Д. С.
Заглавие : Обнаружение банковского мошенничества с применением графовых нейронных сетей
Параллельн. заглавия :Banking fraud detection using graph neural networks
Серия: Безопасность киберфизических систем
Место публикации : Проблемы информационной безопасности. Компьютерные системы. - 2021. - № 4. - С.112-122: табл., диагр. - ISSN 2071-8217 (Шифр pinb/2021/4). - ISSN 2071-8217
Примечания : Библиогр.: с. 120-121 (12 назв.)
УДК : 004.41/42
ББК : 32.973
Предметные рубрики: Вычислительная техника
Программирование ЭВМ. Компьютерные программы. Программотехника
Ключевые слова (''Своб.индексиров.''): bank fraud--convolutional neural networks--financial data analysis--graph neural networks--information security--neural networks--анализ финансовых данных--банковское мошенничество--графовые нейронные сети--информационная безопасность--нейронные сети--сверточные нейронные сети
Аннотация: В работе предложено применить графовые нейронные сети для обнаружения случаев банковского мошенничества. Финансовые транзакции представлены в виде графа, а использование графовых нейронных сетей позволяет детектировать транзакции, характерные для мошеннических схем. Результаты экспериментальных исследований демонстрируют перспективность предложенного подхода.This paper proposes the application of graph neural networks to detect bank fraud. Financial transactions are represented in the form of a graph, and the use of graph neural networks allows the detection of transactions characteristic of fraudulent schemes. Experimental results demonstrate the promise of the proposed approach.
Найти похожие

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Авдошин С. М. (кандидат технических наук), Арутюнов Г. А.
Заглавие : Обзор нейросетевых методов анализа и генерации кода
Параллельн. заглавия :Code analysis and generation methods using neural networks: an overview
Серия: Интеллектуальные системы и технологии
Место публикации : Информационные технологии. - 2022. - Т. 28, № 7. - С.378-391. - ISSN 1684-6400 (Шифр inft/2022/28/7). - ISSN 1684-6400
Примечания : Библиогр.: с. 391 (112 назв.). - Исследование выполнено с использованием суперкомпьютерного комплекса НИУ ВШЭ
УДК : 004.8
ББК : 32.813
Предметные рубрики: Радиоэлектроника
Искусственный интеллект. Экспертные системы
Ключевые слова (''Своб.индексиров.''): it-специалисты--artificial intelligence--code analysis--code generation methods--graph neural networks--machine programming--neural network technologies--анализ программного кода--графовые нейронные сети--искусственный интеллект--машинное программирование--методы генерации кода--нейросетевые технологии--пандемия
Аннотация: В условиях пандемии как никогда стала актуальной проблема нехватки кадров в сфере информационных технологий. По оценкам аналитиков в 2021 году Россия не досчиталась от 500 тыс. до 1 млн IT-специалистов. Образование и вывод на рынок такого большого числа специалистов может занять годы. Очень остро стоит вопрос оптимизации процесса создания IT-решений, в том числе путем разработки автоматизированных способов решения рутинных задач. В статье представлен обзор методов применения нейросетевых технологий в области анализа и генерации программного кода.
Найти похожие

Вид документа : Статья из журнала
Шифр издания :
Автор(ы) : Штыркина А. А.
Заглавие : Метод реконфигурации топологии киберфизической системы на основе графовой искусственной нейронной сети
Параллельн. заглавия :Method of cyberphysical system topology reconfiguration based on graph artificial neural network
Серия: Безопасность киберфизических систем
Место публикации : Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 2. - С.173-182: диагр., граф. - ISSN 2071-8217 (Шифр pinb/2023/2). - ISSN 2071-8217
Примечания : Библиогр.: с. 180-181 (14 назв.). - Список литературы представлен на русском и английском языках.
УДК : 004.8
ББК : 32.813
Предметные рубрики: Радиоэлектроника
Искусственный интеллект. Экспертные системы
Ключевые слова (''Своб.индексиров.''): artificial neural networks--cyberphysical systems--graph neural networks--neural networks--reconfiguration of topology of cybersystems--topology of cybersystems--графовые нейронные сети--искусственные нейронные сети--киберфизические системы--нейронные сети--реконфигурация топологии киберсистем--топология киберсистем
Аннотация: В работе представлен показатель оценки устойчивости киберфизических систем, а также метод их реконфигурации для нейтрализации негативных последствий структурных атак. Предложенный метод применяется для систем, моделирующихся графами, каждой вершине которых сопоставлены атрибуты - типы устройств. Процесс функционирования таких систем определяется путем на графе, проходящим через вершины заданного типа. Метод реконфигурации на основе графовой искусственной нейронной сети (ИНС) направлен на увеличение числа рабочих путей без необходимости добавления новых ребер. Модель ИНС обучалась на синтетическом наборе данных, составленном из случайных графов, типы вершин которых задавались в соответствии с метрикой центральности по посредничеству.The paper proposed approach to estimation the resilience of cyber-physical systems, as well as a method for their reconfiguration to neutralize the negative effects of structural attacks. The proposed method is applied to systems modeled by graphs, each vertex of which is associated with attributes - types of devices. The functioning of such systems is determined by the path on the graph, passing through the vertices of a given type. The reconfiguration method based on the graph artificial neural network (ANN) aims at increasing the number of working paths without the need to add new edges. The ANN model was trained on a synthetic dataset composed of random graphs whose vertex types were specified according to the betweenness centrality metric.
Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)