| DC Field | Value | Language |
|---|
| dc.contributor.author | Нуансенгси, Д. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-06-09T05:31:33Z | - |
| dc.date.available | 2025-06-09T05:31:33Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Нуансенгси, Д. В. Роль искусственного интеллекта в прогнозировании жизненного цикла продукта = The role of artificial intelligence in product lifecycle forecasting / Д. В. Нуансенгси // Электронные системы и технологии : сборник материалов 61-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 21–25 апреля 2025 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: Д. В. Лихаческий [и др.]. – Минск, 2025. – С. 737–740. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/60036 | - |
| dc.description.abstract | В статье подробно рассматриваются теоретические и практические аспекты применения искусственного интеллекта (ИИ) в прогнозировании жизненного цикла продукта (ЖЦП). Анализируются ключевые методы, включая нейронные сети, алгоритмы временных рядов и кластеризации, которые используются для предсказания спроса, выявления рыночных трендов и оптимизации управления продуктами. Приведены примеры теоретических моделей, применимых в различных секторах экономики. Рассматриваются ограничения существующих подходов и направления их совершенствования. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | искусственный интеллект | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | временные ряды | en_US |
| dc.subject | кластеризация | en_US |
| dc.title | Роль искусственного интеллекта в прогнозировании жизненного цикла продукта | en_US |
| dc.title.alternative | The role of artificial intelligence in product lifecycle forecasting | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article discusses in detail the theoretical and practical aspects of applying artificial intelligence (AI) in forecasting the product lifecycle (PLC). Key methods are analyzed, including neural networks, time series algorithms, and clustering, which are used to predict demand, identify market trends, and optimize product management. Examples of theoretical models applicable in various sectors of the economy are given. The limitations of existing approaches and directions for their improvement are considered. | en_US |
| Appears in Collections: | Электронные системы и технологии : материалы 61-й конференции аспирантов, магистрантов и студентов (2025)
|
