<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="https://iereview.ru/lib/pkp/xml/oai2.xsl" ?>
<OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/"
	xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/
		http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd">
	<responseDate>2026-08-23T22:37:35Z</responseDate>
	<request identifier="oai:ojs2.iereview.ru:article/22" metadataPrefix="jats" verb="GetRecord">https://iereview.ru/index.php/IE/oai</request>
	<GetRecord>
		<record>
			<header>
				<identifier>oai:ojs2.iereview.ru:article/22</identifier>
				<datestamp>2025-08-08T18:28:29Z</datestamp>
				<setSpec>IE:DEAM</setSpec>
			</header>
			<metadata>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="" dtd-version="1.4" xsi:noNamespaceSchemaLocation="https://jats.nlm.nih.gov/archiving/1.4/xsd/JATS-archivearticle1.xsd" xml:lang="ru">
			<front>
			<journal-meta>
				<journal-id journal-id-type="publisher">IE</journal-id><journal-id journal-id-type="ojs">IE</journal-id>
				<journal-title-group>
			<journal-title xml:lang="ru">СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ</journal-title><trans-title-group xml:lang="en"><trans-title>STROITEL'NYE I DOROZHNYE MASHINY</trans-title></trans-title-group>
</journal-title-group>			<issn pub-type="ppub">0039-2391</issn>			<publisher><publisher-name>ИП Подколзин М.М.</publisher-name></publisher>
			<self-uri xlink:href="https://iereview.ru/index.php/IE"/>
		</journal-meta>
		<article-meta>
			<article-id pub-id-type="publisher-id">22</article-id>
			<article-categories><subj-group subj-group-type="heading" xml:lang="en"><subject>DESIGN AND MODELING</subject></subj-group><subj-group subj-group-type="heading" xml:lang="ru"><subject>ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ</subject></subj-group></article-categories>
			<title-group><article-title xml:lang="ru">Возможности искусственного интеллекта при совершенствовании строительных материалов </article-title><trans-title-group xml:lang="en"><trans-title>The possibilities of artificial intelligence in the improvement of building materials</trans-title></trans-title-group></title-group>
			<contrib-group content-type="author">
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Боков</surname>
							<given-names>Сергей Сергеевич</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Bokov</surname>
							<given-names>Sergey S.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>bokov.roat@mail.ru</email>
				</contrib>
			</contrib-group>
			<aff-alternatives id="aff-1">
				<aff xml:lang="ru"><institution content-type="orgname">Национальный исследовательский Московский государственный строительный университет</institution></aff>
				<aff xml:lang="en"><institution content-type="orgname">National Research Moscow State University of Civil Engineering</institution></aff>
			</aff-alternatives>
			<pub-date date-type="collection"><year>2024</year></pub-date><pub-date date-type="pub" publication-format="epub"><day>15</day><month>06</month><year>2024</year></pub-date>
			<volume seq="2">68</volume>
			<issue>3-4</issue>
				<issue-id>3</issue-id><issue-title xml:lang="ru">Строительные и дорожные машины  </issue-title><issue-title xml:lang="en">Stroitel'nye i dorozhnye mashiny</issue-title><fpage>53</fpage>
				<lpage>62</lpage>
			<permissions>
				<copyright-statement xml:lang="ru">© 2025 СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. Все права защищены.</copyright-statement>
				<copyright-statement xml:lang="en">© 2025 STROITEL'NYE I DOROZHNYE MASHINY. All rights reserved.</copyright-statement>
				<copyright-year>2025</copyright-year>
				<copyright-holder xml:lang="ru">СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ</copyright-holder>
				<copyright-holder xml:lang="en">STROITEL'NYE I DOROZHNYE MASHINY</copyright-holder>
				<license license-type="open-access" specific-use="metadata" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/" xml:lang="ru">
					<license-p>Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние).</license-p>
				</license>
				<license license-type="open-access" specific-use="metadata" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/" xml:lang="en">
					<license-p>The metadata of this record are distributed under the Creative Commons CC0 1.0 Universal Public Domain Dedication.</license-p>
				</license>
			</permissions>
			
			<self-uri xlink:href="https://iereview.ru/index.php/IE/article/view/22"/>
			
			
			
			<abstract xml:lang="ru"><p>Искусственный интеллект (ИИ) оказывает значительное влияние на многие отрасли, включая архитектуру и строительство. Одной из ключевых областей применения ИИ является подбор составов строительных материалов и предсказание их физико-механических и эксплуатационных характеристик. Современные алгоритмы машинного обучения и обработки данных позволяют изменить подходы в сторону улучшения качества готовой продукции. В статье рассматриваются основные способы, которыми ИИ может трансформировать процесс выбора строительных материалов, а также способы создания и обучения ИИ. Статья может представлять интерес для научных работников и студентов, изучающих возможности применения искусственного интеллекта в строительных материалах.  </p></abstract><trans-abstract xml:lang="en"><p>Artificial intelligence (AI) has a significant impact on many industries, including architecture and construction. One of the key applications of AI is the selection of building materials and the prediction of their physical, mechanical and operational characteristics. Modern machine learning and data processing algorithms make it possible to change approaches towards improving the quality of finished products. The article discusses the main ways in which AI can transform the process of choosing building materials, as well as ways to create and train AI. The article may be of interest to researchers and students studying the possibilities of using artificial intelligence in building materials.</p></trans-abstract><kwd-group xml:lang="en"><title>Keywords</title><kwd>building materials</kwd><kwd>information modeling technologies</kwd><kwd>machine learning</kwd><kwd>artificial intelligence</kwd></kwd-group><kwd-group xml:lang="ru"><title>Ключевые слова</title><kwd>строительные материалы</kwd><kwd>технологии информационного моделирования</kwd><kwd>машинное обучение</kwd><kwd>искусственный интеллект</kwd></kwd-group><funding-group>
				<funding-statement xml:lang="ru">Исследование выполнено без внешнего финансирования.</funding-statement>
				<funding-statement xml:lang="en">The study was conducted without external funding.</funding-statement>
			</funding-group>
			<counts><page-count count="10"/></counts>
			<custom-meta-group>
				<custom-meta>
					<meta-name>metadata-license</meta-name>
					<meta-value><ext-link ext-link-type="uri" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/">CC0 1.0</ext-link></meta-value>
				</custom-meta>
			<custom-meta><meta-name>issue-cover</meta-name><meta-value><inline-graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="https://iereview.ru/public/journals/1/cover_issue_3_ru_RU.jpg"/></meta-value></custom-meta></custom-meta-group>
		</article-meta>
	</front>
	<back>
		<ref-list xml:lang="ru">
			<title>Список литературы</title>
			<ref id="R1"><mixed-citation>Асаул В.В. Искусственный интеллект в строительстве: потенциал и ограничения // Вестник гражданских инженеров. 2024. № 3(104). С. 111-120.</mixed-citation></ref>
			<ref id="R2"><mixed-citation>Бескопыльный А.Н., Маилян Л.Р., Стельмах С.А. Свидетельство о государственной регистрации программы для ЭВМ № 2022668999 Российская Федерация. Программа определения механических свойств высокофункциональных облегченных фибробетонов на основе методов искусственного интеллекта: № 2022668222: заявл. 07.10.2022: опубл. 14.10.2022; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования «Донской государственный технический университет». 2022.</mixed-citation></ref>
			<ref id="R3"><mixed-citation>Газаров А.Р. Преимущества использования искусственного интеллекта в сфере строительства // Известия Тульского государственного университета. Технические науки. 2020. № 4. С. 136-139.</mixed-citation></ref>
			<ref id="R4"><mixed-citation>Гинзбург А.В., Рыжкова А.И. Возможности искусственного интеллекта по повышению организационно-технологической надежности строительного производства // Вестник МГСУ. 2018. Т. 13. № 1(112). С. 7-13.</mixed-citation></ref>
			<ref id="R5"><mixed-citation>Гуреев М.В., Макаров А.Н. Модель прогнозирования материальных ресурсов и сметной стоимости на ранних этапах жизненного цикла объектов строительства // Вестник МГСУ. 2024. Т. 19. № 11. С. 1835-1849.</mixed-citation></ref>
			<ref id="R6"><mixed-citation>Дженчако П.Д., Добшиц Л.М., Николаева А.А. Обзор влияния органоминеральных добавок с использованием техногенных активных минеральных добавок на физико-механические свойства бетонов // Транспорт. Транспортные сооружения. Экология. 2024. № 4. С. 29-39.</mixed-citation></ref>
			<ref id="R7"><mixed-citation>Добщиц Л.М., Николаева А.А. Повышение стойкости бетонов к действию окружающей среды // Вестник Поволжского государственного технологического университета. Сер.: Материалы. Конструкции. Технологии. 2019. № 3(11). С. 18-27.</mixed-citation></ref>
			<ref id="R8"><mixed-citation>Колчин В.Н., Специфика применения технологии «искусственного интеллекта» в строительстве // Инновации и инвестиции. 2022. № 3. С. 250-253.</mixed-citation></ref>
			<ref id="R9"><mixed-citation>Новосад Т.Н., Сташева М.А., Гойс Т.О. Анализ и перспективы развития цифровых методов измерения показателей свойств текстильных материалов и изделий // Известия высших учебных заведений. Технология текстильной промышленности. 2023. № 3(405). С. 15-33.</mixed-citation></ref>
			<ref id="R10"><mixed-citation>Плескачев Ю.А., Радченко Д.М., Евдокимов Д.Ю., Юлусов М.В. Применение методов машинного обучения в агентном моделировании // Новое в экономической кибернетике. 2024. № 2. С. 11-27.</mixed-citation></ref>
			<ref id="R11"><mixed-citation>Римшин В.И., Кузина И.С., Никитин А.А., Молчанова А.Е. Научные основы искусственного интеллекта в строительстве // Русский инженер. 2023. № 4(81). С. 41-45.</mixed-citation></ref>
			<ref id="R12"><mixed-citation>Смирнова В.С., Шаламов В.В., Ефимова В.А., Фильченков А.А. Оптимизация гиперпараметров на основе объединения априорных и апостериорных знаний о задаче классификации // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 6. С. 828834.</mixed-citation></ref>
			<ref id="R13"><mixed-citation>Федорова Д.В. Использование технологий искусственного интеллекта в строительстве: современные тенденции и перспективы развития // Вестник евразийской науки. 2024. Т. 16. № 3. С. 79.</mixed-citation></ref>
			<ref id="R14"><mixed-citation>Щербань Е.М., Развеева И.Ф., Стельмах С.А., Ельшаева Д.М., Доценко Н.А. Повышение качества бетонов и железобетонных изделий за счет использования в строительной индустрии методов искусственного интеллекта // Строительство и архитектура – 2022: материалы международной научнопрактической конференции факультета промышленного и гражданского строительства, (19-21 апреля 2022 г., Ростов-на Дону). Ростов н/Дону: Донской государственный технический университет, 2022. С. 192-194.</mixed-citation></ref>
			<ref id="R15"><mixed-citation>Luengo J., Moreno R., Sevillano I., Charte D., Peláez-Vegas A., Fernández-Moreno M., Mesejo P., Herrera F. A tutorial on the segmentation of metallographic images: taxonomy, new MetalDAM dataset, deep learning-based ensemble model, experimental analysis and challenges // Inf. Fusion. 2022. № 78.</mixed-citation></ref>
			<ref id="R16"><mixed-citation>Snoek J., Larochelle H., Adams R.P.Practical Bayesian Optimization of Machine Learning Algorithms // Neural information processing systems. 2012.</mixed-citation></ref>
			<ref id="R17"><mixed-citation>Wilson J.T., Hutter F., Deisenroth M.P. Maximizing acquisition functions for Bayesian optimization // Proceedings of the XXXII conf. on Neural Information Processing Systems, 2018.</mixed-citation></ref>
			<ref id="R18"><mixed-citation>Beskopylny A.N., Shcherban E.M., Stel'makh S.A. Method for Concrete Structure Analysis by Microscopy of Hardened Cement Paste and Crack Segmentation Using a Convolutional Neural Network // Journal of composites science. 2023. Vol. 7. № 8. P. 327.</mixed-citation></ref>
			<ref id="R19"><mixed-citation>Jha D., Paul А., Liao W.K. ElemNet: Deep learning the chemistry of materials from only elemental composition // Scientific reports. 2018. Vol. 8. № 1. рр. 93-175.</mixed-citation></ref>
		</ref-list>
	</back>
</article>			</metadata>
		</record>
	</GetRecord>
</OAI-PMH>
