ML в критических приложениях

Использование систем машинного обучения в военной авиации (DAF). Описывается тестирование и оценка систем машинного обучения.

Ясно выражено то, о чем мы писали в своих статьях о мониторинге работы реальных моделей:
"Commercial solutions will certainly incorporate methodology for monitoring and retraining models, but it is unlikely they will incorporate processes that capture the complex system integration and risk frameworks that apply to DAF systems, especially safetycritical systems in the foreseeable future. The DAF should invest in synthetic data engines, live virtual constructive environments, data repositories, and support for digital twins representative of their modalities and platforms of interest to facilitate rapid model retraining and maintenance. Data standards must be extended to the platforms to support this retraining and enable fast capture of AI-ready data to facilitate retraining around model failure events."

Программирование Web 3.0

Design of blockchain-based applications using model-driven engineering and low-code/no-code platforms: a structured literature review

Blockchain and its derived technologies shape the future generation of digital businesses: a focus on decentralized finance and the Metaverse

ML платформы

DevOps для машинного обучения крайне важен. End-to-end ML platforms. На русском языке есть статья в INJOIT, посвященная платформам машинного обучения: Стариков А. Е., Намиот Д. Е. СИСТЕМА ВЫПОЛНЕНИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ НА ПОТОКЕ СОБЫТИЙ //International Journal of Open Information Technologies. – 2020. – Т. 8. – №. 7.

INJOIT том 12, номер 4

Вышел четвертый номер журнала INJOIT в 2024 году. И двенадцатый год издания журнала.

Темы статей:

• Тематический выпуск: 2024 Всероссийская школа-семинар «Системный анализ и обработка данных в психологии и образовании»
• Организация сбора и обработки данных социодинамических процессов с возможной самоорганизацией и наличием памяти и анализ наблюдаемых характеристик их временных рядов
• Stochastic Models of Traffic Management
• Критериальный анализ моделей обработки данных радиационного неразрушающего контроля
• Выбор мета параметров в плохо обусловленной задаче идентификации на примере раздельного оценивания тяги летательного аппарата
• Критерии устойчивости платформы с реконфигурируемой трехколесной трансмиссией
• 3D дескриптор и его применение в алгоритме контурного анализа для автоматической посадки летательного аппарата
• Программное обеспечение синтеза SQL запросов на основе метамодели инструментария BlockSet
• Разработка репозитория метаданных на основе объектно-ориентированной логической модели для оценки качества данных
• An Approach to Generating Recommendations for Improving the Performance of Software for Heterogeneous Computing Platforms
• Модель классификации ученых как мера значимости научных объединений, мероприятий и изданий
• Технология повышения качества обучения искусственной нейронной сети в задачах управления объектами дорожно-транспортной инфраструктуры
• Оценивание функционального состояния пилота по сигналам датчиков различной природы
• Модель пилота как средство валидации перспективной кабины и бортового оборудования воздушного судна
• Моделирование взаимодействия человека и реабилитационного экзоскелета
• Сравнительный анализ платформ для цифровизации государственных услуг
• Программный комплекс распределенного тестирования веб-приложений

/via Лаборатория ОИТ

Архив журнала находится здесь.

Платформы для машинного обучения

Lessons on ML Platforms — from Netflix, DoorDash, Spotify, and more - уроки реального использования ML платформ

См. также другие публикации, посвященные платформам

ML платфомы

Серия статей, посвященных ML платформам - от разработки до исполнения моделей

См. также другие пубилкации по теме ML platforms

Service Delivery Platforms

SDP - Operators Guide. Бесплатный отчет для операторов от Moriana Group.

Архитектура M2M

Об архитектуре программного обеспечения для M2M:

Namiot, D., & Sneps-Sneppe, M. (2014). On M2M Software Platforms. International Journal of Open Information Technologies, 2(8), 29-33.

Технологии 2025

The Top Technology Trends for 2025 are:

Agentic AI

Post-quantum Cryptography

Spatial Computing

AI Governance Platforms

Ambient Invisible Intelligence

Polyfunctional Robots

Disinformation Security

Energy-Efficient Computing

Neurological Enhancement

Hybrid Computing

/via Gartner

Low code ML

Машинное обучение без программирования. Это русский перевод следующей статьи Top 8 “No-Code” Machine Learning Platforms You Should Use In 2020

Интернет всего

Да еще и социальный: Second International Workshop on Social Internet of Anything – 2023

Темы:

Social network analysis applied to communication networks (Online/Offline SN, Internet of Vehicles, Internet of Things, etc.)
Security, privacy and trust issues in Social Internet of Anythings
Connectivity management ruled by social features
Machine learning for Big Data analytics in social Internet of Anythings
Integration of social aspects in traditional ad-hoc networks
Small-world theory applied to Social Internet of Anythings
Cross-layer design of communication networks and social networks
Epidemic social network analysis for pandemic contention
Social networking for contact tracing, location and tracking
Social Data and multimedia communication and privacy
Infrastructure, platform, protocol design, and optimization for mobile social networks, mobile social clouds, and social Internet-of-Things with Artificial Intelligence
Social-aware network solutions and social network influence on (wireless) communications systems
Architectures and Protocols for Blockchain-based social media platforms

Наши работы по сетевой пространственной близости очень хорошо вписываются в эту тематику.

IoT платформы - чего не хватает?

A gap analysis of Internet-of-Things platforms

Абавазрение 12.08.2014

Некоторые интересные ссылки:

1. Модельный умные город. IEEE проект для Smart City.

2. Маршрутизаторы от Facebook - SDN на практике

3. Практический пример навигации в помещениях с использованием iBeacons

4. IoT маркет. Площадка для публикации и обмена данными для IoT. Вот здесь еще можно почитать про архитектуру системы.

5. Промо-страница для BDP. Как это сделано - можно прочесть здесь.

6. Google CSE на практике. Поиск по купонам и скидкам, а также поиск учебных курсов.

7. Из последнего номера журнала INJOIT: Namiot, D., & Sneps-Sneppe, M. (2014). On M2M Software Platforms. International Journal of Open Information Technologies, 2(8), 29-33.

Java platforms и LBS

Sony Ericsson Java Platform. Нумерация для Java реализаций на платформах Sony Ericsson. А нужно это для вот этого списка свойств, который позволяет узнать координаты телефона. Поддерживаются эти проперти с версии 7.3
То есть, по первой таблице для программирования LBS на основе Cell ID с телефонами Sony Ericsson нам нужны модели телефонов от K530 и старше.

Платформы Интернета Вещей

Обзорная статья с анализом IoT platforms

Кибербезопасность Искусственного Интеллекта - публикации

В рамках развития учебной программы по кибербезопасности систем искусственного интеллекта к настоящему времени вышли следующие публикации наших сотрудников, аспирантов и студентов:

Namiot D., Ilyushin E., Chizhov I. Ongoing academic and industrial projects dedicated to robust machine learning //International Journal of Open Information Technologies. – 2021. – Т. 9. – №. 10. – С. 35-46.

Namiot D., Ilyushin E., Chizhov I. The rationale for working on robust machine learning //International Journal of Open Information Technologies. – 2021. – Т. 9. – №. 11. – С. 68-74.

Namiot D., Ilyushin E., Chizhov I. Military applications of machine learning //International Journal of Open Information Technologies. – 2021. – Т. 10. – №. 1. – С. 69-76.

Ilyushin E., Namiot D., Chizhov I. Attacks on machine learning systems-common problems and methods //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 3. – С. 17-22.

Namiot D., Ilyushin E., Chizhov I. On a formal verification of machine learning systems //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 5. – С. 30-34.

Li H., Namiot D. A Survey of Adversarial Attacks and Defenses for image data on Deep Learning //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 5. – С. 9-16.

Yakupov D., Namiot D. Session-Based Recommender Systems-Models and Tasks //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 7. – С. 128-155.

Namiot D., Ilyushin E. Generative Models in Machine Learning //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 7. – С. 101-118.

Namiot D., Ilyushin E., Pilipenko O. On Trusted AI Platforms //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 7. – С. 119-127.

Bidzhiev T., Namiot D. Research of existing approaches to embedding malicious software in artificial neural networks //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 9. – С. 21-31.

Namiot D., Ilyushin E., Chizhov I. Artificial intelligence and cybersecurity //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 9. – С. 135-147.

Namiot D., Ilyushin E. On the robustness and security of Artificial Intelligence systems //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 9. – С. 126-134.

Stroeva E., Tonkikh A. Methods for Formal Verification of Artificial Neural Networks: A Review of Existing Approaches //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 10. – С. 21-29.

Kostyumov V. A survey and systematization of evasion attacks in computer vision //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 10. – С. 11-20.