Нейросети захватили авиастроение. Это хорошо? — 26 июня 2026 г. в 15:00:03.978
Нейросети захватили авиастроение. Это хорошо? Машинное обучение в авиастроении. Часть 3 Продолжаем разбирать резонансное исследование PRISMA. ⭕️ 47 из 89 статей используют нейронные сети. С большим отрывом от всего остального — деревья решений, метод опорных векторов, гауссовы процессы. ⭕️ Авторы объясняют это гибкостью: нейросеть работает с нелинейными данными, умеет обрабатывать изображения, масштабируется и переобучается на новые задачи. Для авиационного производства, где данные приходят с камер, датчиков вибрации, термопар, акустических систем — это решает. ⭕️ Но у доминирования нейросетей есть оборотная сторона. Они требуют большого объёма размеченных данных. Они плохо объясняют свои решения — а в авиастроении, где ни одно решение не принимается без обоснования, это проблема. ⭕️ Отдельная история — свёрточные нейронные сети (СНС) для визуальной инспекции. В нескольких работах они классифицируют дефекты крепежа, заклёпок, швов с точностью 95–98%. Скорость — меньше миллисекунды на изображение. Но обучены они на конкретных условиях: конкретная камера, конкретный угол, конкретное освещение. Перенести на другой участок — отдельная задача. 💯 ЦАТ (входит в ОДК, Ростех) это видит на практике. Системы машинного зрения анализируют слои после затвердевания, ИК-камеры ловят температурные аномалии. Всё это уже работает. Но каждая новая геометрия, каждый новый сплав — по сути, новая модель. Универсального решения пока не существует. Следите за нашими постами — мы продолжаем изучать истинную природу ИИ. 🚩 ЦАТ в MAX | в ВК | в Telegram