arXiv · 18.06.2026 ·Машинное обучение

SSH-Net: нейросетевой подход к прогнозированию отказов оборудования

Исследователи представили архитектуру SSH-Net, предназначенную для прогнозирования распределения времени до отказа систем в условиях конкурирующих рисков. Метод адаптирован для сложных инженерных сценариев, где на работоспособность оборудования одновременно влияют несколько независимых факторов, что затрудняет классическое моделирование событий.

В основе решения лежит глубокая нейронная сеть, которая позволяет точнее оценивать вероятность выхода из строя компонентов при наличии множественных причин поломок. В отличие от традиционных статистических моделей, архитектура лучше справляется с нелинейными зависимостями и большими объемами данных, характерными для современных вычислительных инфраструктур.

Авторы протестировали эффективность метода на реальных данных эксплуатации графических процессоров. Результаты показывают, что предложенный подход позволяет более точно предсказывать жизненный цикл оборудования и оптимизировать графики технического обслуживания. Это решение может быть востребовано в дата-центрах и облачных сервисах для превентивного управления парком GPU и снижения рисков внезапных простоев.

Источник: arXiv

Похожие материалы

The Decoder · Оценка и бенчмарки Новый метод прогнозирования ошибок ИИ-моделей до их релиза Исследователи OpenAI представили методологию, позволяющую оценивать частоту возникновения ошибок в работе нейросетей еще до их публичного выпуска. Текущие стандарты тестирования безопасности часто не учитывают специфические сценарии поведения моделей в реальных условиях, что приводит к неожиданным сбоям после развертывания. Новый подход направлен на заполнение этих пробелов и создание более предсказуемой среды для внедрения технологий. arXiv · Машинное обучение Эквивариантные графовые нейросети ускоряют поиск новых материалов Исследователи представили новый подход к прогнозированию оптических спектров материалов с использованием эквивариантных графовых нейронных сетей. Традиционные суррогатные модели часто ограничены использованием скалярных признаков, инвариантных к поворотам, что снижает точность описания геометрических свойств молекулярных структур. Применение эквивариантных архитектур позволяет нейросети учитывать пространственную ориентацию атомов и связей, значительно повышая выразительность модели при анализе сложных физических систем. arXiv · Машинное обучение Новый метод обучения систем диагностики неисправностей при дефиците данных Исследователи представили новый подход к проектированию интеллектуальных систем диагностики неисправностей (IFDS), основанный на анализе вибрационных сигналов. Традиционные методы глубокого обучения с переносом (Deep Transfer Learning) требуют значительных объемов размеченных данных, что создает серьезные препятствия при мониторинге технического состояния промышленного оборудования. В условиях реальной эксплуатации получение больших выборок с описанием поломок часто затруднено или экономически невыгодно. arXiv · Инференс и железо Как снизить задержки в системах с потоковыми данными Исследователи из MIT и Google предложили новый подход к обработке потоковых данных в системах машинного обучения, который может существенно снизить задержки и нагрузку на серверы. В статье, опубликованной на arXiv, они описывают метод, который отделяет процесс инференса от обновления состояния, используя вероятностное прореживание (probabilistic thinning). Hacker News · Исследования и наука Next-Latent Prediction: новый подход к обучению компактных моделей мира Исследователи представили метод Next-Latent Prediction (NLP), который меняет подход к обучению трансформеров для моделирования динамических сред. В отличие от традиционных моделей, предсказывающих будущие токены в пространстве пикселей или дискретных состояний, этот метод фокусируется на прогнозировании скрытых представлений (латентных векторов). Такой подход позволяет модели сжимать информацию о визуальных и физических процессах, отсекая избыточные детали и концентрируясь на ключевых закономерностях среды. arXiv · Безопасность и алайнмент Мониторинг скрытого обучения ИИ через телеметрию GPU Исследователи представили метод обнаружения скрытых процессов обучения нейросетей, основанный на анализе аппаратной телеметрии графических процессоров. В основе подхода лежит использование данных NVML, которые позволяют отслеживать физические параметры работы GPU без доступа к содержимому обрабатываемых данных. Это обеспечивает конфиденциальность вычислений, одновременно позволяя классифицировать характер нагрузки на оборудование. arXiv · Машинное обучение Оптимизация гиперпараметров в физически информированных нейросетях Исследователи представили новый подход к обучению физически информированных нейронных сетей (PINNs), предназначенных для решения дифференциальных уравнений в частных производных. Основная сложность таких моделей заключается в нестабильной сходимости и высокой чувствительности к выбору гиперпараметров, что вызвано невыпуклой структурой функции потерь, включающей множество физических ограничений. arXiv · Машинное обучение Новый подход к моделированию динамических систем через явные структуры Исследователи представили альтернативный подход к обучению динамических систем, который отходит от использования универсальных нелинейных аппроксиматоров. Вместо наращивания сложности нейронных сетей для захвата сложных паттернов, авторы предлагают архитектуру, где моделирующая способность системы определяется её внутренней структурой. Такой метод позволяет эффективнее описывать поведение динамических процессов, опираясь на математически обоснованные взаимодействия, а не на избыточную нелинейность. arXiv · Машинное обучение Применение XAI для анализа европейского рынка электроэнергии Исследователи представили подход к интерпретации глубоких нейронных сетей, используемых для прогнозирования цен на электроэнергию в Европе. Несмотря на высокую точность нейросетевых моделей в предсказании рыночных колебаний, их «черный ящик» затрудняет понимание факторов, влияющих на ценообразование. Авторы работы применили методы объяснимого искусственного интеллекта (XAI) для декомпозиции сложных нелинейных зависимостей, характерных для энергетических систем. arXiv · Исследования и наука Геометрический анализ разрывов в архитектурах Sparse Mixture-of-Experts Исследователи представили новый математический анализ архитектур Sparse Mixture-of-Experts (SMoE), которые лежат в основе большинства современных больших языковых и мультимодальных моделей. Основная проблема таких систем заключается в механизме маршрутизации Top-k, который динамически выбирает активные нейронные сети для обработки конкретного токена. Этот процесс делает функцию преобразования данных в модели математически разрывной.

← Все материалы