Актуальные проблемы в машиностроении. Том 9. № 1-2. 2022 Инновационные технологии в машиностроении ____________________________________________________________________ 13 Вывод Исследования технологий ИИ показывают высокие их возможности, успешные их применения уже сегодня демонстрируются производствами развитых стран, где отмечается максимальная производительность при минимальных затратах. Проектирование ТП является трудоемким процессом, занимающим большое количество времени и сил. Использование таких технологий, как СНС, ГО, программные агенты показывает быстродействующие и точные результаты при решении самых различных творческих задач. Внедрение подобных технологий ИИ, может значительно помочь разработчикам повысить производительность технологической подготовки производства, что позитивно скажется и на эффективности всего предприятия. Список литературы 1. Шеффер Э. Индустрия X.0. Преимущества цифровых технологий для производства. – М.: Точка, 2019. – 320 с. – ISBN 978-5-6041396-8-4. 2. Вертикаль: система автоматизированного проектирования технологических процессов // АСКОН. – 1989– . – URL: https://ascon.ru/products/420/review/ (дата обращения 25.04.2022). 3. Manufacturing Process Planning // Siemens PLM Software. – 2022– . – URL: https://www.plm.automation.siemens.com/global/ru/products/manufacturingplanning/manufacturing-process-planning.html (дата обращения 25.04.2022). 4. Крон Д., Бейлевельд Г., Бассенс А. Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту. – СПб.: Питер, 2020. – 400 с. – ISBN 978-5-4461-1574-7. 5. Рашид Т. Создаем нейронную сеть. – СПб.: Диалектика, 2019. – 272 с. – ISBN 978-59909445-7-2. 6. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. – СПб.: Питер, 2018. – 480 с. 7. Хайкин С. Нейронные сети: полный курс. – 2-е изд. – М.: И.Д. Вильямс, 2016. – 1104 с.: ил. – ISBN 978-5-8459-2069-0. 8. Сорокин А.Б., Платонова О.В. Искусственные нейронные сети прямого распространения: учебно-методическое пособие. – М.: Изд-во МИРЭА – Российский технологический университет, 2018. – 68 с. 9. Ефимов А.И. Методы повышения эффективности обучающих выборок путем дополнения их генерированными графическими данными // Автоматизация в промышленности. – 2019. – № 4. – С. 54–57. 10. Толстых А.А., Голубинский А.Н. Оценка гиперпараметров сверточных нейронных сетей для классификации объектов //Автоматизация в промышленности. – 2021. – № 10. – С. 49–53. – DOI: 10.25728/avtprom.2021.10.08. 11. Джонс М.Т. Программирование искусственного интеллекта в приложениях. – М.: ДМК Пресс, 2018. – 312 с.: ил. – ISBN 978-5-97060-579-0. 12. Рассел С., Норвиг П. Искусственный интеллект: современный подход. – 2-е изд. – М.: Вильямс, 2006. – 1408 с.: ил. 13. Михалев О.Н., Янюшкин А.С. Агент для автоматизации технологических процессов // Роль инноваций в трансформации и устойчивом развитии современной науки: сборник статей по итогам международной научно-практической конференции, Тюмень, 14 мая 2021 г. – Стерлитамак, 2021. – С. 125–129. 14. Михалев О.Н., Янюшкин А.С. Расчеты больших объемов данных при автоматизации предприятий // Электрофизические методы обработки в современной промышленности :
RkJQdWJsaXNoZXIy MTk0ODM1