Details

Title Методы построения предиктивных моделей свойств материалов в условиях дефицита и разрозненности данных: специальность 2.3.5. Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей: автореферат диссертации на соискание ученой степени кандидата технических наук
Creators Павлов Евгений Алексеевич
Scientific adviser Дробинцев Павел Дмитриевич
Organization Санкт-Петербургский политехнический университет Петра Великого
Imprint Санкт-Петербург, 2026
Collection Научные работы аспирантов/докторантов ; Общая коллекция
Subjects Машинное обучение ; Базы данных ; Материалы ; предиктивное моделирование ; извлечение данных ; большие языковые модели ; оценка неопределённости ; база знаний
UDC 004.85; 004.65; 620.22
Document type Author's Abstract
Language Russian
Speciality code (OKSVNK) 2.3.5.
Speciality group (OKSVNK) 2.0000
DOI 10.18720/SPBPU/2/r26-89
Rights Доступ по паролю из сети Интернет (чтение)
Additionally New arrival
Record key RU\SPSTU\edoc\80140
Record create date 10/12/2026

Allowed Actions

–

Group Anonymous
Network Internet

Актуальность темы определяется необходимостью создания новых функциональных материалов с заданными свойствами, для чего требуются надёжные предиктивные модели «состав–свойство», однако существующие подходы не обеспечивают их построение для узких классов материалов в условиях малых, разрозненных и непрерывно пополняющихся данных. На примере стеклообразных систем, особенно многокомпонентных халькогенидных стекол, показано отсутствие сквозного механизма, объединяющего автоматическое пополнение баз из новых источников, проверку извлекаемой информации и прогностическое моделирование, что и обусловливает актуальность исследования.

Network User group Action
ILC SPbPU Local Network All
Internet Authorized users SPbPU
Internet Anonymous
...