© Фото из открытых источников. Производство сельскохозяйственной продукции в России продолжает устойчиво развиваться. В январе-июле 2022 года его рост составил 1,8%. Хорошими темпами идёт уборочная страда, на 19 августа намолочено 95 млн тонн зерна (+ 16% по сравнению с той же датой прошлого года). Рекордные урожаи собраны в Крыму, Ростовской области и Краснодарском крае. Согласно публикациям в августе 2022 года было открыто 13 новых и модернизированных предприятий агропромышленного комплекса и пищевой промышленности с капиталовложениями в каждое более 100 млн рублей. 6 новых проекта связана с хранением и очисткой зерна, ещё 2 — с производством хлеба. Половина новых объектов крупные с инвестициями более 1 млрд рублей в каждое. Общий объём вложенных средств в проекты составляет около 28,6 млрд рублей (по 1 объекту инвестиции не озвучены).
Архив автора: kornelik
Роботизация по американски – прибыль и рабочие места
Когда Дэвид Стинсон закончил среднюю школу в Гранд Рапидс, штат Мичиган, в 1977 году, первое, что он сделал – получил работу строителя. Однако через несколько лет бизнес замедлился. Стинсону было тогда двадцать четыре года, и у него было двое детей. Ему нужно было что-то стабильное. Как он недавно рассказал за ланчем, это означало найти работу в одной из двух компаний, которые обеспечивали безопасную работу, не требующую высшего образования. «Либо я буду работать в General Motors, либо я буду работать в Steelcase до конца года», – пообещал он в 1984 году. Несколько месяцев спустя он получил работу в Steelcase, крупнейшем в мире производителе офисной мебели, и с тех пор работает на их металлургическом заводе в Гранд Рапидс. Стинсону сейчас пятьдесят восемь. У него полное, красноватое лицо, толстая голова, серебристые волосы и величественная шея. На его военной рубашке написано название его должности – «Руководитель зоны» – и, как и все прочие на заводе, у него всегда есть пара защитных затычек для ушей на неоновой верёвке, накинутой на шею.
Технология информационного моделирования при составлении смет: практика использования и комментарии
Интеграция сметчиков в процессы BIM/ТИМ уже давно состоялась и не является чем-то таким, чем можно удивить. Технология постепенно и незаметно для многих обзавелась чертами рутинности и, естественно, накопила ряд проблем, с которыми сталкиваются практически все компании, внедряющие технологию информационного моделирования. Авторы статьи известны своими инновационными решениями в области интеграции сметных задач в общую среду технологии информационного моделирования и накопили достаточно богатый опыт, позволяющий проводить сравнения программного обеспечения и способов взаимодействия сметчиков с BIM. В новой статье обобщается опыт внедрения новой технологии как в сметные подразделения, так и в целом в компании и даются рекомендации по преодолению таких проблем. Здесь описывается видение авторами текущих проблем внедрения технологии информационного моделирования в сметные подразделения компаний строительной отрасли и описываются пути решения, основанные на многолетнем опыте внедрения и обучения специалистов.
Как видят беспилотные автомобили: алгоритмы и методы
Автоиндустрия считается «первопроходцем» в области применения технологий машинного зрения и самым крупным их потребителем. По данным аналитиков, автомобильная индустрия формирует 23% рынка продуктов компьютерного зрения в Германии. А по данным VDMA, для Европы эта цифра составляет 21%. Поэтому не удивительно, что алгоритмы машинного зрения постепенно начали использоваться в самих автомобилях, а не только на этапах их производства. В настоящее время они применяются в технологиях автопилотирования и распознавания полос. В сегодняшнем материале мы начнем говорить о том, что «видят» автомобили и как они это делают, используя базовые алгоритмы и методы в качестве отправной точки цикла рассказов. Используя массивы датчиков и камер, автомобили научились распознавать вокруг себя бортики, деревья, столбы и припаркованный транспорт. Принцип определения расстояния до объектов основывается на параллаксе движения.
Может ли нейронная сеть самостоятельно обучаться: опыт и мнение профессионалов
Обучение с самоконтролем позволяет нейронной сети самостоятельно выяснить, что имеет значение. Этот процесс может быть тем, что делает наш собственный мозг таким успешным. Вот уже десять лет многие из самых впечатляющих систем искусственного интеллекта обучаются с использованием огромного количества размеченных данных. Изображение может быть помечено как «полосатый кот» или «тигр», например, чтобы «обучить» искусственную нейронную сеть правильно отличать полосатого кота от тигра. Стратегия оказалась одновременно впечатляюще успешной и прискорбно несовершенной. Такое «контролируемое» обучение требует, чтобы данные были скрупулезно помечены людьми, и нейронные сети часто выбирают более короткие пути, учась ассоциировать метки с минимальной, а иногда и поверхностной информацией. Например, нейронная сеть может использовать наличие травы для распознавания фотографии коровы, потому что коров обычно фотографируют в поле.
Из истории создания современного принтера: от печатной машинки до АЦПУ
Что такое принтер объяснять не надо. Но это сейчас, а люди старшего поколения еще помнят про АЦПУ — алфавитно-цифровые печатающие устройства, которыми были оснащены первые ЭВМ —электронно-вычислительные машины. В США такой компьютер размером 30х6х5 метров создавали в годы Второй мировой войны для расчета огня зенитной артиллерии, но построив и запустив в действие в 1945 году, перенацелили в первую очередь на расчеты, связанные с созданием термоядерной бомбы (а спустя пять лет еще и на мирные цели — прогноз погоды). У этого компьютера под названием Electronic Numerical Integrator and Computer («Электронный числовой интегратор и вычислитель»), или коротко ENIAC, было устройство для распечатки результатов решения дифференциальных уравнений в виде таблиц и графиков, но «принтером» это устройство ни сами создатели ЭНИАКа, ни его программисты тогда еще не называли.
