Ученый-математик, заведующий кафедрой «Общетеоретические дисциплины» Сф СамГТУ, к.т.н., доцент Владислав Литвинов приглашен для выступления на престижной Международной конференции «Математика и искусственный интеллект 2025». Лучшие математические умы России и зарубежья будут изучать инновационные математические решения по продвижению во всем мире технологий искусственного интеллекта. Как рассказал корреспонденту портала «маленькая Сызрань» Владислав Литвинов, Международная конференция MathAI 2025 собрала более 100 ученых в Международном математическом центре мирового уровня «Сириус» в Сочи. Сегодня, 24 марта - открытие MathAI 2025. 

- Ключевые темы охватывают широкий спектр вопросов: от глубокого обучения и нейронных сетей до надежного искусственного интеллекта и науки о данных, - пояснил Владислав Львович.

Кроме научных задач, конференция призвана укрепить международное сотрудничество. Среди известных докладчиков перед учеными-математиками выступит профессор Бинъи Цзин из Китая (он обсудит динамический выбор данных при обучении больших моделей), академик Алексей Семенов из России (исследует вопросы сложности) и Владимир Ляшев, рассматривающий проблемы вычислительной эффективности искусственного интеллекта.

Владислав Литвинов поделится с коллегами новыми наработками в теме, над которой работает на протяжении ряда лет. Он выступит с докладом «Об одном решении задачи стохастических продольных колебаний вязкоупругого каната с движущимися границами с использованием методов искусственного интеллекта и машинного обучения». В своей работе, как пояснил ученый, он рассматривает применение методов искусственного интеллекта, нейронных сетей и машинного обучения для анализа резонансных явлений, прогнозирования оптимальных параметров системы и предотвращения резонанса.

- Предложен метод построения решений интегро-дифференциальных уравнений, который распространяется на более широкий класс задач с подвижными границами, - пояснил ученый. - Использование глубоких нейронных сетей (ГНС), методов Монте-Карло и адаптивного управления существенно повышает точность прогнозов и эффективность управления системой. Обучение нейронной сети осуществляется на данных о поведении системы на разных частотах и ​​параметрах. При этом сеть предсказывает резонансные частоты и предлагает оптимальные параметры. Результаты работы ИИ проверены на математической модели. Расчеты подтвердили, что предложенные искусственным интеллектом параметры действительно предотвращают резонанс.