Детальная информация
| Название | Применение онтологий на основе мета-ассоциативных графов в задачах промышленного машинного обучения // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Авторы | Мисник Антон Евгеньевич |
| Организация | Белорусско-Российский университет |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Коллекция | Общая коллекция |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id25-540 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Дополнительно | Новинка |
| Ключ записи | RU\SPSTU\edoc\77876 |
| Дата создания записи | 24.12.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
Статья посвящена применению онтологий, построенных на основе мета-ассоциативных графов, для решения задач машинного обучения, актуальных в промышленности. Рассматриваются интеллектуальный анализ производственных данных, предиктивное обслуживание оборудования, контроль качества и автоматизация принятия решений. Особое внимание уделено тому, как онтологии на основе мета-ассоциативных графов позволяют создавать адаптивные модели и интегрировать разнородные источники данных, повышая эффективность производственных процессов. В работе описана методология построения таких онтологий и их использования совместно с алгоритмами машинного обучения. Приведен пример внедрения на предприятии «Дозатор-плюс» (г. Могилев), демонстрирующий практические преимущества предложенного подхода.
This paper investigates the use of ontologies based on meta-associative graphs to address industry-relevant machine-learning problems. The study focuses on intelligent analysis of manufacturing data, predictive maintenance, quality assurance, and automated decision-making. Particular emphasis is placed on how meta-associative-graph ontologies support the creation of adaptive models and the seamless integration of heterogeneous data sources, thereby enhancing production efficiency. The article details the methodology for building such ontologies and coupling them with machine-learning algorithms. A case study at Dozator-Plus (Mogilev, Belarus), illustrates the practical benefits of the proposed approach.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0
