Перспективы использования искусственного интеллекта в информационно-телекоммуникационных сетях

Авторы и правообладатели:

• Поначугин А. В. , Нижегородский государственный педагогический университет им. К. Минина (Нижний Новгород, Россия)
• Степанов В. Д. , Нижегородский государственный педагогический университет им. К. Минина (Нижний Новгород, Россия)
• Базуева А. С. , Нижегородский государственный педагогический университет им. К. Минина (Нижний Новгород, Россия)

• 1. Игнатьева Э.А. Анализ практики применения креативных технологий в образовании // Вестник Мининского ун-та. – 2024. – Т. 12, № 1. – С. 1–20. DOI: 10.26795/2307-1281-2024-12-1-2.
• 2. Молотков М.С. Эволюционный подход к настройке и обучению нейронной сети / М.С. Молотков, А.К. Новиков // Молодой ученый. – 2016. – № 10 (114). – С. 69–71.
• 3. Официальный сайт Высшей школы экономики. Перспективы интернета вещей [Электронный ресурс]. – Режим доступа: https://issek.hse.ru/news/808983139.html, свободный (дата обращения: 16.04.2024).
• 4. Поначугин А.В. Искусственный интеллект: тенденции развития / А.В. Поначугин, В.А. Краснопевцев, А.А. Михайлов // Фундаментальные и прикладные исследования в области высоких технологий: сб. науч. трудов. – Калининград, 2023. – С. 58–64.
• 5. Садуллаев С.М. Искусственный интеллект и его применение в банковской сфере / С.М. Садуллаев, С.Д. Шакаришвили, О.В. Захарова // Финансовые рынки и банки. – 2023. – № 12. – С. 125–127.
• 6. Самерханова Э.К. Совместная сетевая деятельность как форма самостоятельной работы будущих учителей технологического профиля / Э.К. Самерханова, К.Р. Круподёрова // Вестник Мининского ун-та. – 2023. – Т. 11, № 4. – С. 1–5. DOI: 10.26795/2307-1281-2023-11-4-5.
• 7. Искусственный интеллект для принятия решений / В.В. Субботина, М.Д. Назаренко, Е.С. Нерпин, Т.В. Сафонова, А.В. Мокряк // Информационные технологии и системы: управление, экономика, транспорт, право. – 2023. – № 4 (48). – С. 35–41.
• 8. Сюндюкова Е.В. Применение искусственного интеллекта в компьютерных сетевых технологиях // Экономика и качество систем связи. – 2023. – № 1. – С. 58–64.
• 9. Explainable artificial intelligence (xai): what we know and what is left to attain trustworthy artificial intelligence / S. Ali, T. Abuhmed, Sh. El-Sappagh, Kh. Muhammad, J.M. Alonso-Moral, R. Confalonieri, R. Guidotti, Ja. Del Ser, N. Díaz-Rodríguez, F. Herrera // Information Fusion. – 2023. – Vol. 99. – P. 101805.
• 10. A survey on XAI and natural language explanations / E. Cambria, L. Malandri, F. Mercorio, M. Mezzanzanica, N. Noban // Information Processing and Management. – 2023. – No. 60 (1). – P. 103111. DOI: 10.1016/j.ipm.2022.103111.
• 11. Counterfactuals and causability in explainable artificial intelligence: Theory, algorithms, and applications / Y.-L. Chou, C. Moreira, P. Bruza, Ch. Ouyang, J. Jorge // Information Fusion. – 2022. – No. 81. – P. 59–83.
• 12. Guidotti R. Counterfactual explanations and how to find them: literature review and benchmarking // Data Min. Knowl. Discov. – 2022. – No. 1. – DOI: 10.1007/s10618-022-00831-6.
• 13. Interpretable deep learning: interpretation, interpretability, trustworthiness, and beyond / X. Li, H. Xiong, X. Li, X. Wu, X. Zhang, J. Liu, J. Bian, D. Dou // Knowledge and Information Systems. – 2022. – No. 64 (12). – P. 3197–3234.
• 14. Exploring healthcare professionals’ perceptions of artificial intelligence: piloting the shinners artificial intelligence perception tool / L. Shinners, S. Grace, S. Smith, A. Stephens, Ch. Aggar // Digital Health. – 2022. – Vol. 8. DOI: 10.1177/20552076221078110.
• 15. Tiddi I. Knowledge graphs as tools for explainable machine learning: A survey / I. Tiddi, S. Schlobach // Artificial Intelligence. – 2022. – No. 302. – P. 103627.