ML в промышленности: как построить систему управления процессом окомкования железорудных окатышей

А вы знаете, как руда превращается в чугун? Даже на автоматизированном производстве многое зависит от ручной экспертизы. На производстве железорудных окатышей ещё недавно качество продукции измерялось буквально на ощупь. Дата-сайентисты помогли снизить зависимость от человеческого фактора. Как это получилось, что общего у окатышей с клетками и зелёным горошком, и как модели помешал кран с водой — читайте в этой статье.

Привет, Хабр! Меня зовут Андрей Голов. Я отвечаю за направление Data Science в «Северсталь Диджитал». Расскажу, как машинное обучение используется в тяжёлой промышленности, а именно — как устроена наша система управления процессом окомкования железорудных окатышей. Читать далее

#ml #it_в_промышленности #автоматизация_предприятий #cv_модель #алгоритмы_машинного_обучения #управление_процессами_в_it #ограничения #тестирование #physics_informed_machine_learning #stardist | @habr_ai

Как улучшить сходимость в физически-информированных нейронных сетях

Physics-Informed Machine Learning — одно из перспективных направлений в ML. Здесь ключевую роль играют физически-информированные нейронные сети (Physics-Informed Neural Networks, PINNs). Однако процесс их обучения сопряжён с рядом трудностей. В этой статье кратко обсудим, как можно решить эти проблемы и повысить эффективность обучения PINNs. Читать далее

#нейронные_сети #машинное_обучение #искусственный_интеллект #physics_informed_machine_learning #оптимизация #сходимость_обучения #лайфхаки #сэмплирование #физически_информированные_сети | @habr_ai