Статья: ДИНАМИЧЕСКАЯ МОДЕЛЬ ВНИМАНИЯ В ТРАНСФОРМЕРАХ (2025)

В статье предлагается теоретическое решение переменной неопределенности в расчетах опережающих индикаторов на примере экономических данных, ожидаемых деловыми сообществами. Предлагаемый авторами подход позволяет решить проблему, имеющуюся в технологии обработки первичных данных мнений деловых сообществ, что является актуальным для максимального привлечения значимой информации в принятии решений. Цель статьи - продемонстрировать результаты решения модели инкапсуляции и декапсуляции информации с неопределенными исходами. В качестве метода исследования применялось построение нелинейных парных уравнений регрессии временных последовательностей экономико-статистической и социологической информации. Рассматриваются условия модели с временными последовательностями независимой неопределенной переменной, обсуждается верификация и оценка качества модели. Исследование проводилось в 1993-2025 гг. на базах Банка России и Научно-исследовательского финансового института Министерства финансов РФ (НИФИ). Источниками информации являются Московская межбанковская валютная биржа, платформа Investing. com, аналитические подразделения коммерческих банков и брокерских организаций. Модель строилась на сплошной выборке данных прогнозов и мнений участников срочных рынков. Основные результаты, полученные при решении модели, свидетельствуют о существенном повышении (на 40%) тестирования точности классификации для машинного обучения нейросети поиска и предобработки данных биржевой торговли. Показано преимущество решения множественной модели парных уравнений регрессии с использованием временной последовательности ожидаемых деловыми сообществами значений экономического показателя, включая деинкапсулированную неопределенную переменную по отношению к стандартным решениям парных уравнений регрессии.

В статье рассматриваются современные подходы к прогнозированию урожайности сельскохозяйственных культур в аграрных регионах юга России с использованием технологий искусственного интеллекта (нейронных сетей). Актуальность темы обусловлена высокой значимостью южных регионов (Краснодарский и Ставропольский края, Ростовская область и др.) в продовольственной безопасности России и необходимостью оперативного и точного прогнозирования урожая. Цель данной работы - разработать, применить и сделать оценку моделей прогнозирования урожайности сельскохозяйственных культур на юге России с использованием методов искусственного интеллекта, основанных на нейронных сетях различного типа. Рассмотрены методология и инструментарий применения нейросетевых алгоритмов (LSTM, CNN, MLP) для прогнозирования урожайности на основе данных 2020-2025 гг., включая статистические показатели урожайности, метеорологические данные и индексы растительности (NDVI). Представлены результаты моделирования, демонстрирующие преимущество LSTM-модели по точности прогноза по сравнению с другими моделями. Приведены графики и таблицы, иллюстрирующие фактическую и прогнозируемую урожайность, а также сравнительный анализ ошибок моделей. Проведена оценка результатов - сравнительная точность и ошибки прогнозов различных моделей. Рассмотрены ограничения проведенного исследования, к которым относятся непредставительность контрольных выборок, а также несовершенство системы сбора статистической информации. В связи с этим предложены направления дальнейших исследований, таких как расширение объема данных, обработка и подготовка данных к анализу, использование гибридных моделей, улучшение интерпретируемости моделей.

В данной статье приводится всесторонний анализ влияния искусственного интеллекта на процессы цифровой трансформации бизнеса в России. Рассматриваются ключевые государственные инициативы, экономические эффекты внедрения искусственного интеллекта в различные сферы экономики, отраслевые особенности, региональные диспропорции, а также вызовы и перспективы развития страны. Цель настоящей работы состоит в оценке степени влияния искусственного интеллекта на цифровую трансформацию бизнеса в России, определении возможности и перспективы внедрения искусственного интеллекта для улучшения бизнес-процессов и повышения конкурентоспособности российских компаний. Исследования проводились с помощью анализа структуры и динамики влияния искусственного интеллекта на развитие бизнеса в России. Приводятся аналитические таблицы и диаграммы, иллюстрирующие динамику и масштаб изменений. Особое внимание уделяется роли искусственного интеллекта как драйвера инноваций и повышения конкурентоспособности российских компаний в условиях глобальной цифровой экономики. Искусственный интеллект внедрен в основные процессы в 75% крупных российских компаний, а среди малого и среднего бизнеса этот показатель достиг 50%. Лидируют по внедрению искусственного интеллекта компании финансового сектора (85%), логистики и ритейла (70%) и промышленность (60%). Это свидетельствует о том, что искусственный интеллект перестает быть экспериментальной технологией и становится неотъемлемой частью бизнес-процессов.

Вторая статья данного цикла работ предполагает приподнять завесу тайны форматов файлов автоматизированного офиса как контейнера для доработки вручную некоторых скрытых возможностей. В статье рассмотрен алгоритм реализации одной такой функции - перенаправление скрытой ссылки на активный интернет-ресурс. Как было упомянуто ранее в первой статье*, нарастающее количество недекларируемых функций в файловой архитектуре вызывает опасение у существующих спецслужб государств, что вполне обоснованно практическим отсутствием унифицированных программно-аппаратных комплексов аудита инъекций такого рода. Изучение простых программных инструментов, к сожалению, пропускаемых системами защиты на локальных ПК и в сетях, позволит построить более мощный закрытый контур на рабочих местах. Существующие системы управления информацией и событиями безопасности SIEM в унифицированном формате построения баз правил для аудита закрытого контура не содержат на данный момент готовых алгоритмов обнаружения посторонних файлов внутри файлов форматов автоматизированного офиса. Данный фактор необходимо исправлять с использованием самописных правил на рабочих местах индивидуально. В данном цикле статей не предполагаются практические инструкции, способные нанести вред цифровой среде корпоративного контура организаций. Рассмотрен сценарий простой инъекции с перенаправлением ссылки на интернет-ресурс (функция redirect), который предполагает исключительно образовательные функции и предупреждения для специалистов в сфере информационной безопасности.

Данная статья посвящена всестороннему анализу проблемы обеспечения цифровой безопасности несовершеннолетних в условиях стремительного развития информационного общества и цифровых технологий. Цель исследования состоит в выявлении нормативных, организационных и технологических механизмов защиты детей от информационных угроз, формирующихся в сети Интернет, включая деструктивный контент, кибербуллинг, вовлечение в противоправную деятельность и манипулятивные алгоритмы социальных сетей. Особое внимание уделено анализу правовых актов, регулирующих данную сферу, а также институциональной роли государственных органов и значимости образовательных инициатив. Методологическая основа исследования включает системный и междисциплинарный подходы, позволяющие учитывать юридические, социокультурные, педагогические и технологические аспекты проблемы. В процессе работы использовались методы контент-анализа нормативных документов, сравнительно-правовой анализ, а также обобщение практического опыта и данных социологических исследований. Ключевые результаты исследования заключаются в выявлении фрагментарности существующего законодательства и институциональных механизмов в сфере информационной безопасности несовершеннолетних, а также в обосновании необходимости построения комплексной многоуровневой модели защиты. Эта модель предполагает создание специализированного органа контроля, укрепление связей между школой, семьей и ребенком, а также внедрение современных технических решений для фильтрации и контроля цифрового контента. Выводы исследования подчеркивают важность комплексного подхода к решению обозначенной проблемы, необходимость скоординированного межведомственного взаимодействия, развития цифровой грамотности всех участников образовательного процесса, а также совершенствования правового регулирования. Представленные в статье рекомендации и инициативы могут быть использованы при формировании государственной политики в сфере цифровой безопасности, разработке образовательных программ и инструментов защиты детей в онлайн-среде.

Для создания сложных бесшовных деталей в аэрокосмической промышленности, автомобилестроении и медицине перспективной технологией является сверхпластическая формовка. Однако применение технологии ограничено высокой стоимостью и длительностью технологического процесса. Применение конечно-элементного моделирования в CAEсистемах типа ANSYS дает точный результат, но вычислительно затратное, потому возникает потребность в быстрых и точных моделях прогнозирования, способных заменить или дополнить данный метод в задачах многокритериального анализа. Несмотря на растущее применение машинного обучения в различных областях, построение надежных моделей прогнозирования для конкретных геометрических характеристик деталей, полученных в результате сверхпластической формовки, остается малоизученным. Целью данного исследования является разработка и верификация модели прогнозирования на основе гауссовского процесса для предсказания ключевых геометрических параметров полусферы, получаемой в процессе сверхпластической формовки. Дополнительная задача состояла в создании исходного набора данных на основе результатов численного моделирования. Для формирования исходного набора данных использовался метод выборки латинского гиперкуба, позволивший эффективно варьировать параметры материала K, m и режим давления в типичных для алюминиевых сплавов диапазонах. С помощью 50 симуляций была разработана модель прогнозирования геометрических характеристик полусферы, основанная на методе регрессии гауссовского процесса с использованием составного ядра. Для оптимизации параметров модели применялся метод RandomizedSearchCV. Разработанная модель регрессии гауссовского процесса показала высокую точность, продемонстрировав коэффициент детерминации R² > 0,90 на валидационной выборке для всех целевых переменных (толщина в полюсе купола, средняя высота, разность высот). Анализ значения среднеквадратичной ошибки подтвердил обобщающую способность и отсутствие переобучения. Проведенное исследование направлено на интеграцию модели в систему цифрового двойника для оптимизации технологических параметров в реальном времени. Главная проблема масштабирования - это создание данных для обучения, которое требует больших вычислительных ресурсов.

Настоящее исследование посвящено анализу процесса развития видеоигр приключенческого жанра. Цель исследования - определение текущих тенденций к созданию текстовых квестов на основе инновационных подходов. Задачи исследования включают: анализ современного состояния жанра, обзор применяемых технологий в разработке видеоигр, а также социокультурные эффекты. Научная значимость работы обусловлена необходимостью переосмысления потенциала жанра адвентюрных игр в контексте современных условий. Практическая значимость работы подтверждается представлением конкретных примеров разработки инструментария для создания компонентов текстовых квестов с использованием искусственного интеллекта. Так, например, алгоритмы нейросетей способны генерировать не только сюжет, но и аудиовизуальный ряд видеоигры, что сокращает время ее разработки и снижает затраты на производственный процесс. Сравнительный анализ на примере игры «Far Cry» позволяет выявить пути совершенствования подходов к разработке видеоигр. Рассмотрены последствия блокировки зарубежных онлайн платформ из-за наличия запрещенных материалов, и указаны пути решения для отечественного рынка видеоигр. Основные выводы исследования подчеркивают важность государственной поддержки для развития национальной платформы видеоигр, что укрепит систему ценностей и обеспечит защиту национальной культуры.

В статье рассматривается применение методов машинного обучения для анализа тональности текстов, опубликованных пользователями социальной сети ВКонтакте. Это дает возможность в режиме реального времени отслеживать и анализировать настроения миллионов пользователей, что способствует оперативному принятию решений и прогнозированию социальных процессов. В рамках исследования был реализован сбор текстовых данных с использованием VK API, включающих посты и комментарии пользователей. Проведена предобработка текстов: очистка, лемматизация, удаление стоп-слов и векторизация методом TF-IDF. Для классификации эмоциональной окраски были протестированы модели: логистическая регрессия, случайный лес, наивный байесовский классификатор, а также нейросетевые архитектуры LSTM и Transformers (RuBERT). Наивный байесовский классификатор показал наилучшие результаты по метрике полноты и сбалансированности по другим метрикам. Согласно результатам анализа, большинство текстов пользователей имеют нейтральную или положительную тональность, и лишь незначительная часть - негативную. Представлены визуализации и статистика распределения тональности. Работа демонстрирует эффективность применения классических методов машинного обучения для обработки и анализа текстов в русскоязычных социальных сетях.

В данной статье рассматриваются современные методы экстраполяции предобученных трансформеров, направленные на повышение их способности обрабатывать длинные, а также короткие текстовые последовательности на русском языке в финансовой сфере. Особое внимание уделяется задаче классификации текстов, отражающих ожидания брокерских аналитиков относительно движения рынка (ожидание роста, падения либо неопределенности изменения). Для решения данной задачи исследуется применение облегченных языковых моделей ruBERT-tiny1 и ruBERT-tiny2, адаптированных для эффективной работы с большим объемом входных данных при сохранении качества предсказаний. В работе анализируются различные подходы к расширению контекстного окна моделей, включая методы экстраполяции, а также рассматривается влияние стратегий токенизации, векторизации и эмбеддингов на итоговые результаты классификации. Дополнительно обсуждаются особенности применения трансформеров в условиях повышенной волатильности рынка и изменяющихся новостных потоков, что позволяет глубже оценить устойчивость предлагаемых решений. Кроме того, предлагается и обсуждается формула расчета опережающего индикатора для биржевых рынков, демонстрирующая практическую значимость использования трансформерных моделей в анализе финансовых текстов и формировании аналитических метрик. Представленные результаты подчеркивают перспективность применения компактных трансформеров в задачах предиктивной финансовой аналитики. Пул брокеров образует выборку мнений в виде текста с определенным смыслом, последовательность слов позволяет оценивать возможные ожидания на финансовом рынке совершенно нелинейным методом. Решение задачи обработки длинных последовательностей токенов актуально, конкретного универсального метода решения данной проблемы нет. Одним из вариантов решения задачи обработки естественного языка NLP на практике является ряд предобученных языковых моделей. Применение предобученных языковых моделей позволяет решать различные задачи классификации, исследуя тексты различных контекстов. В рамках исследования применяется метод экстраполяции предобученных трансформеров для изучения точности классификации и времени обучения, в зависимости от количества токенов в контекстном окне модели. Полученные данные могут быть использованы для дальнейших исследований и построения математической модели расчета опережающих индикаторов на рынке.