Метод позволяет существенно сократить трудозатраты на разметку данных, сохраняя при этом высокое качество результатов. Это достигается за счет интеллектуального подбора примеров для экспертной разметки, что делает использование решения более эффективным для промышленных предприятий, — отмечает Петр Иванов, исследователь исследовательского центра UDV Group.
Исследование охватывает актуальные проблемы в области мониторинга промышленных процессов, где повышение эффективности обработки данных и выявления аномалий имеет критическое значение для своевременного реагирования на возможные неполадки. Используя огромный неразмеченный набор данных, состоящий из миллионов примеров, был разработан метод, который позволяет минимизировать расходы на ручную разметку с менее чем тысяче размеченных примеров.
Результаты исследования открывают новые перспективы для применения искусственного интеллекта в области управления промышленным процессами, что особенно актуально в свете усиливающейся цифровизации и автоматизации. Кроме того, практико-ориентированная суть исследования позволит использовать его результаты в проектах UDV Group, например, в проекте СМЦОД (система мониторинга центров обработки данных).
*IEEE Access — многопрофильный, онлайн-журнал с полностью открытым доступом, постоянно публикующий результаты оригинальных исследований или разработок по всем интересующим областям IEEE.
