Рубрика: Россия

«Эксперт РА» подтвердил кредитный рейтинг ООО «Интерлизинг» на уровне ruА

От - 15.06.2026

Рейтинговое агентство «Эксперт РА» подтвердило рейтинг кредитоспособности ООО «Интерлизинг» на уровне ruA. Прогноз по рейтингу — «Стабильный». Решение агентства отражает высокую оценку финансовой устойчивости компании, сбалансированную ресурсную базу и выстроенную систему риск-менеджмента, которые позволяют Интерлизингу сохранять стабильность в условиях макроэкономической волатильности.

 

Агентство высоко оценило уровень достаточности капитала — коэффициент автономии по итогам 2025 года вырос до 22%. Диверсификация кредитных рисков находится на высоком уровне: топ-10 объектов кредитных рисков составляют лишь 7% от их совокупного объема. Продолжить чтение

Передвижные дизельные компрессоры: какие бывают и как выбрать для работы на выезде

От - 15.06.2026

Передвижные дизельные компрессоры — это оборудование, созданное для работы вне стационарных площадок: на стройках, дорогах, в полевых условиях и на удалённых объектах.

Передвижные дизельные компрессоры — это оборудование, созданное для работы вне стационарных площадок: на стройках, дорогах, в полевых условиях и на удалённых объектах. Их ключевое преимущество — автономность и мобильность, позволяющие выполнять задачи там, где нет электричества.

Разберём, какие бывают мобильные компрессоры и как выбрать подходящий вариант.

Виды мобильных дизельных компрессоров

На шасси (прицепные)

Самый популярный вариант для выездных работ.

Особенности:

  • легко транспортируются автомобилем
  • быстро разворачиваются на объекте
  • подходят для частых перемещений

Идеальны для: Продолжить чтение

Почему скрипит паркет и можно ли решить проблему с помощью химических составов?

От - 15.06.2026

Скрип паркета — одна из самых распространённых жалоб владельцев деревянных полов. Звук может появляться как в старом покрытии, так и в относительно новом настиле. При этом сам по себе скрип не всегда означает критическую неисправность конструкции, но почти всегда сигнализирует о нарушении стабильности элементов пола. Чтобы выбрать правильный способ устранения проблемы, важно понимать её природу.

Древесина — материал гигроскопичный. Она реагирует на изменения влажности и температуры, расширяется и сжимается. Если в системе пола нарушена жёсткость фиксации или образовались зазоры, отдельные элементы начинают смещаться относительно основания или друг друга. Возникает трение — и, как следствие, характерный звук.

Основные причины скрипа: конструкция, влажность, износ

Причины скрипа могут быть разными — от технологических ошибок при укладке до естественного старения покрытия. В практике ремонта чаще всего выявляются следующие факторы:

    • недостаточная фиксация паркета к основанию (отслоение клея, ослабление крепежа);
    • деформация лаг или фанерного основания;
    • усушка древесины и образование щелей;
    • перепады влажности, приводящие к подвижности элементов;
    • износ замковых соединений в многослойной конструкции.

Продолжить чтение

Россияне перестали покупать вещи на всю жизнь: почему меняется культура потребления

От - 11.06.2026

В ближайшие годы тренды на рациональность и прагматизм потребителей будут только усиливаться. К такому выводу пришли эксперты бренда профессионального электроинструмента ЭНГЕЛЬС (бывший завод Bosch) на основе работы с фокус-группой[1]. Покупатели сегодня оценивают окупаемость, стоимость владения, обслуживания, простоя. Это характерно и для профессионального, и для бытового сегментов.  О том, как еще меняется культура потребления в разных отраслях, рассказала директор по маркетингу АО «Е1 Групп» Дарья Ражанская.

Интересным кажется уже явно оформившийся тренд на «короткое» потребление:  россияне отказываются от ремонта техники, электроники и просто покупают новое. Так, по данным Авито люди меняют бытовую технику в среднем раз в четыре года, а 70% делают это после поломки. Заменяют товары с быстрым моральным устареванием — смартфоны, компьютерную технику. Например, телефоны и другие носимые гаджеты две трети россиян меняют из-за технического устаревания, компьютеры — по причине снижения производительности и сбоев. Средний срок владения такой техникой — 3–5 Продолжить чтение

Как нейросети распознают гражданские дроны среди городского шума

От - 11.06.2026

Современные города становятся все более насыщенными различными источниками звуков и визуальных сигналов. На фоне этого шумного окружения выявить и классифицировать малые летательные аппараты, такие как гражданские дроны, представляет собой непростую задачу. Традиционные методы наблюдения зачастую оказываются недостаточно эффективными: визуальные камеры теряются в потоке движущихся объектов, а звуковые сенсоры сталкиваются с постоянным фоновым шумом. На помощь приходят нейросети, способные выделять характерные признаки дронов и адаптироваться к городским условиям.

Особенности распознавания дронов нейросетями

Нейросети для детекции дронов используют комплексные подходы, объединяющие визуальные и аудиосигналы. Основная цель — отделить целевой объект от окружающего шума и хаотичных движений. Среди ключевых особенностей таких систем можно выделить:

  • Многослойная обработка информации: изображения и аудиопотоки проходят через последовательность сверточных и рекуррентных слоев, что позволяет нейросети учитывать как пространственные, так и временные закономерности.
  • Обучение на реальных и синтетических данных: модели тренируются на записях полетов дронов в городских условиях, что увеличивает точность распознавания при сложных сценариях.
  • Адаптивность к новым типам дронов: нейросеть способна корректировать свои весовые коэффициенты, чтобы идентифицировать модели с измененной формой или шумовой характеристикой.

Методы выделения сигналов на фоне городского шума

Городские улицы создают постоянный аудиовизуальный фон: двигатели автомобилей, строительные работы, шум толпы. Чтобы эффективно распознавать дроны, нейросети применяют несколько техник фильтрации и анализа:

Аудиоанализ

    • Выделение частотных диапазонов, характерных для вращения винтов дронов.
    • Использование спектрограмм и мел-кепстральных коэффициентов для обучения модели распознавать шум дрона отдельно от фоновых звуков.
    • Применение шумоподавляющих алгоритмов на входных аудиосигналах.

Продолжить чтение