Разработка интеллектуальных систем анализа и прогнозирования на основе машинного обучения: комплексный подход к решению задач материаловедения и кибербезопасности
Ключевые слова:
машинное обучение, глубокое обучение, композитные материалы, обнаружение ботов, графовые нейронные сети, трансформеры, прогнозирование свойств материалов, анализ социальных сетей, интеллектуальные системы, искусственный интеллект.Аннотация
В работе предложен комплексный подход к разработке интеллектуальных систем анализа и прогнозирования с использованием современных методов машинного обучения. Исследование охватывает два направления: прогнозирование свойств композитных материалов и обнаружение ботов в социальных сетях. Для решения первой задачи разработана гибридная модель, объединяющая физические принципы и методы глубокого обучения, обеспечившая высокую точность предсказания механических характеристик материалов. Для детекции ботов применён мультимодальный подход, сочетающий анализ текстов пред обученными языковыми моделями с графовым анализом социальных структур, что позволило достичь показателей, превосходящих существующие решения. Экспериментальная проверка выполнена на масштабных наборах данных, включающих более 10 тыс. образцов материалов и 1 млн профилей пользователей социальных сетей. Полученные результаты демонстрируют улучшение качества прогнозирования и классификации по сравнению с актуальными методами. Практическая значимость работы заключается в создании масштабируемых систем, пригодных для применения в проектировании новых материалов и мониторинге онлайн-сообществ.
