Label-Free Quantification in the Crux Toolkit

В статье сравниваются протоколы HTTP/2 и HTTP/3 при передаче статических файлов в условиях программно моделируемой сетевой деградации. Эксперимент показал, что HTTP/3 не является универсально более быстрым, но устойчивее проявляет себя при росте задержки и потерь пакетов. ...

Добавлено: 25 сентября 2026 г.

Synthesis of Acyclic Models for Processes Without Repeating Events

Joulitov A.K., Lomazova I.A., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 4(2) P. 215–224

В майнинге процессов (process mining) графы непосредственного следования (Directly-Follows Graph, DFG) популярны благодаря своей простоте и наглядности. Однако, если процесс является ациклическим, но содержит параллельные события, стандартные алгоритмы построения DFG-моделей могут генерировать «ложные» циклы, которыe не представлены в журнале событий. Такие циклы мешают анализу информационных процессов, значительно снижая интерпретируемость и точность (precision) модели. Эта проблема ...

Добавлено: 24 сентября 2026 г.

Анализ протокола выработки общего ключа для управления микросхемой интеллектуальной карты

Добрина Д. Н., Нестеренко А. Ю., Прикладная дискретная математика. Приложение 2026 № 19 С. 151–159

Работа содержит результаты формального анализа криптографических механизмов, входящих в состав проекта методических рекомендаций «Защищенный универсальный протокол передачи данных и управления микросхемой интеллектуальной карты» (протокол SECUNDA). Получена формальная модель и перечень трудноразрешимых математических задач, трудоёмкостью решения которых можно оценить стойкость используемых криптографических механизмов. ...

Добавлено: 24 сентября 2026 г.

Discovering object-centric Petri nets with parametric arcs

I.I. Sergeev, I.A. Lomazova, Modeling and Analysis of Information Systems 2026 Vol. 33 No. 3 P. 394–419

Объектно-ориентированный process mining сформировался как эффективная парадигма анализа событийных данных, включающих несколько взаимодействующих бизнес-объектов. Существующие методы обнаружения моделей часто опираются на объектно-ориентированные сети Петри с фиксированными кратностями дуг, что ограничивает их способность представлять параметрические закономерности потребления и производства ресурсов, а также отражать количественные зависимости между взаимодействующими типами объектов. В данной работе предлагается метод обнаружения объектно-ориентированных ...

Добавлено: 24 сентября 2026 г.

Hybrid Graph Retrieval-Augmented Language Agents for Collaborative Recommendation

Ivan Bulychev, Савченко А. В., AI 2026 Vol. 7 No. 9 Article 380

Добавлено: 24 сентября 2026 г.

Risks and the image of the future in the study of AI technologies prospects

Снегирев А. Ю., Сычев С. В., Futures 2026 Vol. 183 P. 1–22

Добавлено: 23 сентября 2026 г.

Choosing Between AI Responses: How Valence, Arousal, and Dominance Shape User Preference

Паршаков П. А., Паклина С. Н., International Journal of Human-Computer Interaction 2026 P. 1–17

Добавлено: 23 сентября 2026 г.

A Two-Stage Deep Reinforcement Learning Framework for Radio Resource Management and Network Slicing in 5G Heterogeneous Networks

Андраби У. М., Wadood E., Ojha S. K. и др., IEEE Access 2026 Vol. 14 P. 103358–103375

Добавлено: 23 сентября 2026 г.

LLM-assisted writing and citation advantage: evidence from scientific publications before and after ChatGPT release

Паклина С. Н., Паршаков П. А., Elena Rapoport, Scientometrics 2026 P. 1–26

Добавлено: 23 сентября 2026 г.

Risk Assessment Models for Heated Tobacco Products

Maddalena L., Yildiz B., Del Vecchio Blanco F. и др., Risk Analysis 2026 Vol. 46 No. 4 P. 1–26

Добавлено: 22 сентября 2026 г.

Segmentation of the Iris and Pupil of the Human Eye in Images from an Infrared Camera

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 855–862

Добавлено: 21 сентября 2026 г.

A Model Based on Universal Filters for Image Color Correction

Aleksei Samarin, Назаренко А. А., Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854

Добавлено: 21 сентября 2026 г.

Streptococci Recognition in Microscope Images Using Taxonomy-based Visual Features

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Optical Memory and Neural Networks (Information Optics) 2024 Vol. 33 P. 424–434

Добавлено: 21 сентября 2026 г.

Specialized Image Descriptors Adaptation for Polyp Recognition over Endoscopic Images

Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1053–1060

Добавлено: 21 сентября 2026 г.

Single amino acid variation identification in high resolution tandem mass spectrometry data in bottom up proteomics

Бхимани К. Р., Пересадина А. В., Бурмак К. С. и др., 2026 Vol. 519 Article 117532

Добавлено: 2 октября 2025 г.

Fast and Memory-Efficient Searching of Large-Scale Mass Spectrometry Data Using Tide

Кертес-Фаркаш А., Аквей Ф. Л., Остапенко В. Р. и др., Journal of Proteome Research 2025 Vol. 24 No. 9 P. 4831–4837

Добавлено: 11 сентября 2025 г.

Efficient indexing of peptides for database search using Tide

Аквей Ф. Л., Кертес-Фаркаш А., Stafford Noble W., Journal of Proteome Research 2023 Vol. 22 No. 2 P. 577–584

The first step in the analysis of protein tandem mass spectrometry data typically involves searching the observed spectra against a protein database. During database search, the search engine must digest the proteins in the database into peptides, subject to digestion rules that are under user control. The choice of these digestion parameters, as well as ...

Добавлено: 2 декабря 2022 г.

The Crux toolkit for analysis of bottom-up tandem mass spectrometry proteomics data

Кертес-Фаркаш А., Аквей Ф. Л., Kishankumar Bhimani и др., Journal of Proteome Research 2023 Vol. 22 No. 2 P. 561–569

Добавлено: 2 декабря 2022 г.

Deep Convolutional Neural Networks Help Scoring Tandem Mass Spectrometry Data in Database-Searching Approaches

Kudriavtseva P., Kashkinov M., Kertész-Farkas A., Journal of Proteome Research 2021 Vol. 20 No. 10 P. 4708–4717

Spectrum annotation is a challenging task due to the presence of unexpected peptide fragmentation ions as well as the inaccuracy of the detectors of the spectrometers. We present a deep convolutional neural network, called Slider, which learns an optimal feature extraction in its kernels for scoring mass spectrometry (MS)/MS spectra to increase the number of ...

Добавлено: 30 августа 2021 г.