Standard

Harvard

APA

Vancouver

Author

BibTeX

@article{86b5187dc15b4a45a087c0252ac2448a,
title = "ИИ в системах раннего предупреждения чрезвычайных ситуаций в арктических перевозках судами смешанного типа плавания",
abstract = "Авторы рассматривают подходы и методы машинного обучения для прогнозирования вероятности различных типов чрезвычайных ситуаций, возникающих при арктических перевозках судами смешанного типа «река-море» на основе входного набора данных, и предлагают модели решения задач прогнозирования чрезвычайных ситуаций в условиях северного морского пути. В статье приведена классификация входных данных для алгоритмов машинного обучения, выявлены проблемы в данных и их характеристиках и предложены варианты решения этих проблем",
author = "Митько, {Арсений Валерьевич} and Ерофеевский, {Даниил Владимирович}",
year = "2025",
month = jan,
language = "русский",
volume = "158",
pages = "22--24",
journal = "Деловой журнал «Neftegaz.RU»",
issn = "2410-3837",
publisher = "Коммуникационное агентство Neftegaz.RU",
number = "2",

}

RIS

TY - JOUR

T1 - ИИ в системах раннего предупреждения чрезвычайных ситуаций в арктических перевозках судами смешанного типа плавания

AU - Митько, Арсений Валерьевич

AU - Ерофеевский, Даниил Владимирович

PY - 2025/1

Y1 - 2025/1

N2 - Авторы рассматривают подходы и методы машинного обучения для прогнозирования вероятности различных типов чрезвычайных ситуаций, возникающих при арктических перевозках судами смешанного типа «река-море» на основе входного набора данных, и предлагают модели решения задач прогнозирования чрезвычайных ситуаций в условиях северного морского пути. В статье приведена классификация входных данных для алгоритмов машинного обучения, выявлены проблемы в данных и их характеристиках и предложены варианты решения этих проблем

AB - Авторы рассматривают подходы и методы машинного обучения для прогнозирования вероятности различных типов чрезвычайных ситуаций, возникающих при арктических перевозках судами смешанного типа «река-море» на основе входного набора данных, и предлагают модели решения задач прогнозирования чрезвычайных ситуаций в условиях северного морского пути. В статье приведена классификация входных данных для алгоритмов машинного обучения, выявлены проблемы в данных и их характеристиках и предложены варианты решения этих проблем

M3 - статья

VL - 158

SP - 22

EP - 24

JO - Деловой журнал «Neftegaz.RU»

JF - Деловой журнал «Neftegaz.RU»

SN - 2410-3837

IS - 2

ER -

ID: 131373826