Данная работа посвящена разработке алгоритма для построения динамической модели потоков научной миграции. В работе изучаются теоретические аспекты миграции населения, производится сбор и анализ статистических данных Росстата и зарубежных источников. Также проводится обзор теоретико-методологических подходов к моделированию научной миграции, далее для создания модели определяются необходимые предположения, ограничения и параметры. Была составлена математическая формула для расчета и создан алгоритм с помощью пакета программ Matlab. Результаты работы алгоритма были проанализированы. / This work is devoted to the development of an algorithm for constructing a dynamic model of scientific migration flows. The paper studies the theoretical aspects of population migration, collects and analyzes statistical data from Rosstat and foreign sources. Also, a review of theoretical and methodological approaches to modeling scientific migration is carried out, then the necessary assumptions, limitations and parameters are determined to create a model. A mathematical formula for the calculation was drawn up and an algorithm was created using the Matlab software package. The results of the algorithm were analyzed.

No description available.

No description available.

The aim of this dissertation is to develop an ensemble algorithm for short-term electricity consumption forecasting and to assess the impact of meteorological factors and other features on the quality of the model. The work addresses issues related to improving the accuracy of electricity consumption forecasting using open meteorological data through ensemble machine learning methods and hyperparameter tuning algorithms. A review and analysis of existing methods for time series forecasting are conducted, taking into account the specific characteristics of electricity consumption time series forecasting. Additionally, a machine learning algorithm is developed using various factors as features for model training. The developed algorithm is tested on electricity consumption data from the Siberian Regional Dispatch Office. / Целью диссертационной работы является разработка ансамблевого алгоритма для краткосрочного прогнозирования электропотребления и оценка влияния на качество модели метеофакторов н других признаков. В работе рассматриваются вопросы повышения точности прогнозирования электропотребления с использованием открытых метеорологических данных с применением ансамблевых методов машинного обучения, и алгоритма подбора гиперпараметров моделей. В работе проведен обзор и анализ существующих методов для прогнозирования временных рядов с учетом особенностей прогнозирования временного ряда электропотребления. Также в работе разработан алгоритм машинного обучения с использованием различных факторов в качестве признаков для обучения моделей. Разработанный алгоритм протестирован на данных электропотребления в зоне ответственности ОДУ Сибири.

This work addresses the issues of improving the accuracy of forecasting the generation of photovoltaic power plants based on open meteorological data using machine learning methods and a preprocessing algorithm for the initial data. / В работе рассматриваются вопросы повышения точности прогнозирования генерации фотоэлектрических станций на открытых метеорологических данных с использованием методов машинного обучения, и алгоритма предварительной обработки исходных данных.

В рамках данной работы было проведено исследование существующих типов вопросно-ответных систем и методов анализа текста. Был проведен анализ существующих вопросно-ответных систем. Приведена обобщённая схема работы вопросно-ответных систем и для каждого типа систем приведена детальная схема работы. Описаны и исследованы методы выбора кандидатов ответа и методы их оценки. Также в работе описаны возможные критерии оценки работы таких систем. В ходе исследования был разработан рабочий прототип вопросно-ответной системы, основанный на системе BERT для русского языка. Используемая модель RuBERT была предобучена и протестирована на стандартных задачах SQuAD. В ходе работы модель была протестирована и оценена в разработанном рабочем прототипе и показала высокие результаты по предложенным критериям оценки. / Within the framework of this work, a study was made of the existing types of question-answer systems and text analysis methods. An analysis of the existing question-answer systems was carried out. A generalized scheme of operation of question-answer systems is given, and a detailed scheme of operation is given for each type of system. Methods for selecting response candidates and methods for their evaluation are described and investigated. The paper also describes possible criteria for evaluating the operation of such systems. In the course of the study, a working prototype of a question-answer system based on the BERT system for the Russian language was developed. The RuBERT model used was pre-trained and tested on standard SQuAD problems. During the work, the model was tested and evaluated in the developed working prototype and showed high results according to the proposed evaluation criteria.

The object of the study is digital images of stones in an open pit. The aim of the work is to develop and implement an algorithm for detecting and segmenting asbestos veins using an artificial intelligence apparatus. The study presents an analytical review of methods and existing technical and software systems that use artificial intelligence methods for segmentation on the main test datasets. An analysis of existing models was carried out, new models based on convolutional networks (UNet and Attention Unet) and transformers (SegFormer) were tested, and the best algorithm for the task of segmenting asbestos veins was proposed. As a result of using the artificial intelligence model, it was possible to effectively solve the problem of vein segmentation and achieve acceptable accuracy of the results with low computing power. The scope of application of the developed algorithm is not only its use in the analysis of asbestos content in quarry images. The obtained models can be used to identify defects in various products and in medicine. / Объектом исследования являются цифровые изображения камней в открытом карьере. Целью работы является разработка и реализация алгоритма детектирования и сегментации асбестовых прожилок с применением аппарата искусственного интеллекта. В исследовании представлен аналитический обзор методов и существующих технических и программных систем, использующих методы искусственного интеллекта для сегментации на основных тестовых датасетах. Проведён анализ существующих моделей, протестированы новые модели на основе сверточных сетей (UNet и Attention Unet) и трансформеров (SegFormer), предложен лучший алгоритм для задачи сегментации асбестовых прожилок. В результате применения модели искусственного интеллекта удалось эффективно решить задачу сегментации прожилок и достигнуть приемлемой точности полученных результатов при небольшой вычислительной мощности. Областью применения разработанного алгоритма является не только его использование в рамках анализа содержания асбеста в снимках карьера. Полученные модели могут использоваться для определения дефектов на различной продукции и в медицине.

Данная выпускная квалификационная работа Давида Грайровича Чилингаряна посвящена оценке выпуска продукции предприятия «Урал-асбест» с помощью системы компьютерного зрения. В работе рассматриваются современные методы семантической сегментации и обнаружения объектов на изображениях, в том числе с применением нейронных сетей UNet, YOLOv9, SWIN. Особое внимание уделено предварительной обработке данных, выбору и настройке моделей, а также анализу эффективности на реальных производственных данных. Полученные результаты демонстрируют высокую точность и эффективность предложенных методов, позволяющих автоматизировать оценку содержания асбеста в горных породах, сократить временные затраты и минимизировать контакт рабочих с вредным материалом. Практическая значимость заключается во внедрении разработанных решений в производственные процессы предприятия, улучшении контроля качества и защите здоровья работников. / This graduate qualification work of David Grayrovich Chilingaryan is devoted to the estimation of output of “Ural-asbestos” enterprise with the help of computer vision system. The work considers modern methods of semantic segmentation and detection of objects in images, including the use of neural networks UNet, YOLOv9, SWIN. Special attention is paid to data preprocessing, model selection and tuning, and performance analysis on real production data. The obtained results demonstrate high accuracy and efficiency of the proposed methods, allowing to automate the assessment of asbestos content in rocks, reduce time costs and minimize the contact of workers with harmful material. The practical significance lies in the implementation of the developed solutions in the production processes of the enterprise, improvement of quality control and protection of workers' health.

Цель: разработка модели сегментации трёхмерных объектов на основе методологии машинного обучения. Объект: процессы сегментации трёхмерных объектов, представленных облаком точек. Методы: проведение исследование моделей сегментации трёхмерных объектов на основании датасета ScanNet с оценкой точности на основании метрики Average Intersection over Union (avgloU). Результаты: в ходе работы проведено сравнение и выявлены наиболее точные и производительные сочетания внутренней структуры обрабатываемых данных и архитектуры моделей, которые являются самыми перспективными для дальнейших исследований. наилучшие результаты показала библиотек машинного обучения Point Transformer со значением метрики avgIoU, равной 0,794. Полученные результаты будут использованы для дальнейшей работы над методами обработкой данных, поиском и настройкой моделей машинного обучения для задачи сегментации 3D-объектов для достижения лучшей точности и производительности. / Objective: development of a three-dimensional object segmentation model based on machine learning methodology. Object: segmentation processes of three-dimensional objects represented by a point cloud. Methods: conducting a study of three-dimensional object segmentation models based on the ScanNet dataset with accuracy assessment based on the Average Intersection over Union (avgloU) metric. Results: during the work, a comparison was made and the most accurate and productive combinations of the internal structure of the processed data and the architecture of the models were identified, which are the most promising for further research. The best results were shown by the Point Transformer machine learning library with an avgIoU metric value of 0.794. The obtained results will be used for further work on data processing methods, searching and tuning machine learning models for the task of segmenting 3D objects to achieve better accuracy and performance.

The aim of this work is to develop a method for constructing an optimal dynamic topology of a 6/10 kV distribution network using a network sectioning algorithm (operation of switching devices) based on load forecasting to achieve the best indicators in terms of quality, reliability, and reduction of technological losses. / Целью работы является разработка метода построения оптимальной динамической топологии распределительной сети 6/10 кВ с применением алгоритма секционирования сети (работы коммутационных аппаратов) на основе прогноза нагрузки для достижения наилучших показателей по качеству, надежности, снижению технологических потерь.