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=алгоритмы машинного обучения<.>)

Общее количество найденных документов : 6
Показаны документы с 1 по 6

Солдатенко, Дарья Михайловна (кандидат экономических наук).
Искусственный интеллект: прошлое, настоящее и будущее [Текст] / Д. М. Солдатенко // Российский внешнеэкономический вестник. - 2020. - № 9. - С. 127-134 . - ISSN 2072-8042

УДК

^a338(100)

ББК 65.5
Рубрики: Экономика
Мировая экономика. Международные экономические отношения
Кл.слова (ненормированные):
алгоритмы машинного обучения -- интеллектуальная способность -- концепции интеллектуальной машины -- объекты искусственного интеллекта
Аннотация: В статье рассматривается эволюция понятия искусственного интеллекта и то, каким образом использование различных подходов отражается на выработке международной повестки дня в сфере многостороннего регулирования.

Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Карпенко, О. В.
Инструменты для машинного обучения в языке программирования Python [Текст] / Карпенко О. В., Шафеев Д. Е., Боярский Э. Ф. // Аспирант и соискатель. - 2018. - № 1 (103). - С. 25-27 . - ISSN 1608-9014

УДК

^a004

^a004.43

ББК 32.97 + 32.973-018.1
Рубрики: Вычислительная техника
Языки программирования
Кл.слова (ненормированные):
Jupyter -- NumPy -- Pandas -- Python -- Scikit-learn -- алгоритмы машинного обучения -- машинное обучение
Аннотация: Python- один из самых популярных языков программирования для науки о данных, обладающий огромным количеством библиотек, разработанных колоссальным сообществом программистов. Представлены проекты классических алгоритмов, программные инструменты для машинного обучения.

Доп.точки доступа:
Шафеев, Д. Е.; Боярский, Э. Ф.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Автоматизация оценки кредитоспособности потенциального заемщика на основе последовательного применения современных методов анализа данных и машинного обучения [Текст] / А. Е. Зубанова, А. А. Морозов, С. В. Новиков [и др.] // Информационные системы и технологии. - 2022. - № 4. - С. 23-32. - Библиогр.: с. 32 (5 назв.) . - ISSN 2072-8964

УДК

^a004.67

ББК 32.973-018.2
Рубрики: Вычислительная техника
Системы обработки численных данных
Кл.слова (ненормированные):
Big Data -- XGBoost -- one-hot кодирование -- алгоритмы машинного обучения -- значимые признаки -- нейронные сети -- разведочный анализ данных -- система кредитного скоринга -- целевая переменная
Аннотация: Охарактеризована актуальность переосмысления подходов к построению системы кредитного скоринга в связи с развитием технологий "Big Data". Апробирована методика прогнозирования кредитоспособности на основе проведения EDA и применения алгоритма машинного обучения XGBoost. Предложен подход к обработке пропусков значимых признаков, заключающийся в двухступенчатом моделировании с применением XGBoost.

Доп.точки доступа:
Зубанова, Анастасия Евгеньевна; Морозов, Артем Андреевич; Новиков, Сергей Владимирович; Сороквашина, Юлия Сергеевна; Трубин, Александр Евгеньевич
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Мельникова, Елена Николаевна.
Правовая квалификация модели машинного обучения на основе технического анализа этого процесса [Текст] / Елена Николаевна Мельникова // Закон. - 2023. - № 5. - С. 177-185. - Библиогр. в подстроч. ссылках. - Примеч. . - ISSN 0869-4400

УДК

^a347.77/.78

ББК 67.404.3
Рубрики: Право
Правовая охрана интеллектуальной собственности
Кл.слова (ненормированные):
алгоритмы машинного обучения -- данные -- дата-сет -- искусственный интеллект -- машинное обучение -- параметры веса модели -- правовая охрана модели машинного обучения -- правовая природа модели
Аннотация: Представлен поэлементный технический анализ машинного обучения как процесса и модели как его результата. На этой основе определена правовая природа модели на всех стадиях ее жизненного цикла, обозначены охраняемые элементы структуры. Проанализировано юридическое значение способов машинного обучения для правовой квалификации моделей.

Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Югай, П. Э.
Использование алгоритмов машинного обучения и Honeypot-систем для обнаружения состязательных атак на системы обнаружения вторжений [Текст] = Using machine learning algorithms and Honeypot systems to detect adversarial attacks on intrusion detection systems / П. Э. Югай, Д. А. Москвин // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 4. - С. 145-155 : граф., табл., схема. - Библиогр.: с. 152-153 (23 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217

УДК

^a004.41/42

ББК 32.973
Рубрики: Вычислительная техника
Программирование ЭВМ. Компьютерные программы. Программотехника
Кл.слова (ненормированные):
Honeypot systems -- Honeypot-системы -- adversarial attack detection (computing) -- evasion attack (computing) -- information security -- intrusion detection systems (computing) -- machine learning algorithms -- model extraction attack -- multiclass classifiers -- алгоритмы машинного обучения -- атака извлечения модели -- атака уклонения (вычислительная техника) -- информационная безопасность -- многоклассовые классификаторы -- обнаружение состязательных атак (вычислительная техника) -- системы обнаружения вторжений (вычислительная техника)
Аннотация: В данной работе представлены состязательные атаки на алгоритмы машинного обучения в системах обнаружения вторжений. Исследованы некоторые примеры существующих систем обнаружения вторжений. Рассмотрены существующие подходы к обнаружению данных атак. Сформированы требования, позволяющие повысить устойчивость алгоритмов машинного обучения. Предложены два подхода к обнаружению состязательных атак на алгоритмы машинного обучения, первый из которых основывается на многоклассовом классификаторе и Honeypot-системе, а второй подход использует в совокупности многоклассовый и бинарный классификатор. Предложенные подходы могут быть использованы в дальнейших исследованиях, которые направлены на обнаружение состязательных атак на алгоритмы машинного обучения.
This paper presents adversarial attacks on machine learning algorithms in intrusion detection systems. Some examples of existing intrusion detection systems have been investigated. The existing approaches to detecting these attacks are considered. Requirements have been formed to increase the stability of machine learning algorithms. Two approaches to detecting adversarial attacks on machine learning algorithms are proposed, the first of which is based on a multiclass classifier and a Honeypot system, and the second approach uses a multiclass and binary classifier together. The proposed approaches can be used in further research aimed at detecting adversarial attacks on machine learning algorithms.

Доп.точки доступа:
Москвин, Д. А.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Иванов, В. В. (доктор экономических наук).
Модель управления сквозными технологиями в трансграничных сделках слияний и поглощений [Текст] / Иванов В. В., Денисов М. В. // Финансы и кредит. - 2023. - Т. 29, вып. 8. - С. 1709-1729. - Библиогр.: с. 1729 (18 назв. ) . - ISSN 2071-4688

УДК

^a338

ББК 65.290
Рубрики: Экономика
Бизнес. Предпринимательство
Кл.слова (ненормированные):
алгоритмы машинного обучения -- бизнес-процессы -- искусственный интеллект -- контроллинг бизнес-процессов -- сделки слияний и поглощений -- системный управленческий интегратор -- сквозные технологии -- слияния и поглощения -- трансграничные рынки -- трансграничные сделки -- управление бизнес-процессами -- управление сделками
Аннотация: Определены тренды применения искусственного интеллекта в основных элементах разработанной модели управления наряду с традиционными способами управления сделками слияний и поглощений. Предложенный системный управленческий интегратор позволяет с помощью алгоритмов машинного обучения и контроллинга бизнес-процессов повысить точность и оперативность принимаемых решений и максимизировать синергии покупателя и компании-мишени после реализации сделки слияний и поглощений, что верифицируется путем математических алгоритмов и разработанных индикаторов использования искусственного интеллекта и больших данных управления бизнес-процессами. Модель управления трансграничными сделками слияний и поглощений компаний обусловливает применение сквозных технологий для повышения скорости и качества принятия управленческих решений.

Доп.точки доступа:
Денисов, М. В. (аспирант)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Тематический навигатор

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