Система анализа медицинских телеметрических данных ЭКГ:
- Автоматизировать анализ результатов суточного мониторинга ЭКГ и АД пациентов:автоматически выявлять признаки хронической и острой ишемии миокарда, фатальных и нефатальных нарушений ритма и проводимости сердца и информировать пациента и его лечащего врача.
- Прогнозировать риск летального исхода и необходимость госпитализации на основе регистрируемых признаков хронической и острой ишемии миокарда, фатальных и нефатальных нарушений ритма и проводимости сердца, а также результатов скрининговой обзорной оценки состояния здоровья, анализов и анкеты пациента.
- Формировать рекомендации для врача и пациента в зависимости от предполагаемого паталогического процесса.
Идентификация обращений пользователей для автоматизации первой линии тех. поддержки для ИТ-предприятия
Наше решение может быть использовано для классификации любой чувствительной текстовой информации на предприятии.
Предлагаемое решение предполагает автоматическое обучение на данных, специфичных для конкретной организации.
Мы используем большие языковые модели для предварительной обработки текстов, а также наши архитектуры нейронных сетей, которые могут обучаться автоматически (или полуавтоматически - в автоматизированном режиме) на Ваших данных.
Решение гибкое и может масштабироваться в зависимости от сложности задачи.
Определение личности и состояния пользователя по особенностям работы с компьютерной "мышью"
В качестве данных для анализа используются траектории движения курсора манипулятора "мышь" при работе с браузером (для определения личности) и временные характеристики набора текста на клавиатуре (для определения состояния).
Публикации по теме работы:
https://www.researchgate.net
https://www.elibrary.ru/item.asp?id=22863118
https://www.elibrary.ru/item.asp?id=24716609Детекция аномалий и прогнозирование предаварийных ситуаций на основе анализа телеметрических данных (на примере нефтяных скважин)
Выбор и реализация эффективной стратегии технического обслуживания оборудования позволяет снизить количество отказов и плановых простоев, увеличить срок службы запасных частей, повысить фактическую производительность и общую прибыль и т.д. Неисправности агрегатов должны быть выявлены и устранены во избежание остановки производственных процессов. Прогнозируемое обслуживание (PdM) реализуется путем постоянного мониторинга оборудования и использования AI для прогнозирования сбоев и определения момента необходимости корректирующих действий.
Реализованный
подход может быть использован для детекции аномалий в потоке телеметрических данных:анализ активности приложенийанализ активности сетианализ активности пользователейПубликация коллектива по темеДетекция, сегментация и классификация зданий и автомобилей на фотоснимках с высоким разрешением в ГИС на основе глубоких нейронных сетей
Решение на базе MASK-R-CNN
Разработка системы видеоаналитики для автоматизации контроля сотрудников в процессе профессиональной деятельности
- Контроль за посетителями и распознавание массовых скоплений людей.
- Определение наличия/отсутствия на сотруднике индивидуальных средств защиты или необходимых для производства элементов одежды: шапочек, перчаток, масок, униформы.
- Определение факта нахождения сотрудников в неположенном месте в неположенное время.
- Определение факта использования телефоном на рабочем месте.
и д.р.
Классификация заемщиков по уровню кредитного риска для автоматизации кредитного скоринга
Кредитный скоринг состоит в использовании ML-моделей для классификации клиентов, собирающихся взять кредит, по группам риска («хорошие», подразумевающие большую вероятность погашения займа, и «плохие», имеющие высокий риск невозврата средств) на основе анализа множества параметров: анкетных данных, кредитной истории и иных сведений, которыми располагает банк. В зависимости от отнесения заёмщика к определенной группе, банк принимает решение о выдаче кредита. Важнейшей задачей при обеспечении кредитного скоринга является не только повышение точности оценки платежеспособности клиента, но и объяснимости решений, принятых искусственным интеллектом. Если пользователь получает отказ, он хочет знать, почему было принято такое решение, и что ему следует сделать, чтобы кредит был одобрен (повысить заработок, закрыть задолженности и т.д.). Нейронная сеть является "черным ящиком". Поэтому построение объяснимых моделей AI – это новый тренд в сфере AI, исходящий из требований практики.
Публикация коллектива по теме