ГІБРИДНІ АРХІТЕКТУРИ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ОБРОБКИ НЕОДНОРІДНИХ ДАНИХ У РОЗПОДІЛЕНИХ ІНФОРМАЦІЙНИХ СИСТЕМАХ

Read full text Summarise with VIRAT
Authors: Юрій Регеда
Cited by: 0
References: 2

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

ГІБРИДНІ АРХІТЕКТУРИ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ОБРОБКИ НЕОДНОРІДНИХ ДАНИХ У РОЗПОДІЛЕНИХ ІНФОРМАЦІЙНИХ СИСТЕМАХ Анотація.У статті представлено комплексне дослідження гібридних архітектур глибокого навчання, орієнтованих на обробку неоднорідних даних у розподілених інформаційних системах.Актуальність роботи зумовлена стрімким зростанням обсягів і різноманіття даних, що формуються в сучасних кіберфізичних середовищах, системах Інтернету речей, інтелектуальних транспортних та енергетичних мережах, а також у сферах кібербезпеки й цифрової економіки.Неоднорідність таких даних проявляється не лише у форматі та семантиці, але й у різних часових масштабах надходження, рівнях шуму та ступені повноти, що істотно ускладнює їх інтегровану обробку з використанням традиційних підходів машинного навчання.Метою дослідження є обґрунтування та розроблення архітектурних принципів побудови гібридних моделей глибокого навчання, здатних забезпечити узгоджену обробку різних модальностей даних у розподіленому середовищі з урахуванням гетерогенності обчислювальних ресурсів і динамічних умов експлуатації.У роботі проведено аналіз сучасних підходів до міжмодальної інтеграції та показано обмеження раннього і пізнього злиття ознак у задачах обробки асинхронних і зашумлених потоків даних.Доведено, що найбільш перспективними є методи проміжного злиття ознак у спільному латентному просторі з використанням механізмів уваги, які забезпечують контекстно-залежне узгодження модальностей і динамічне зважування їхнього внеску залежно від якості та інформативності вхідних даних.Запропоновано багаторівневу модель реалізації гібридних архітектур у розподілених інформаційних системах на основі концепції edge-

Fields of Study & Subjects

Advanced Database Systems and Queries Advanced Neural Network Applications Privacy-Preserving Technologies in Data

Publication details

Journal / source
Наука і техніка сьогодні
Issue
2(56)
Publication date
21 March 2026
Language
UK