?
Exposing the Limitations of Molecular Machine Learning with Activity Cliffs
Journal of Chemical Information and Modeling. 2022. Vol. 62. No. 23. P. 5938–5951.
van Tilborg D., Grisoni F.
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.
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.
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.
Будков Ю. А., Kiselev M. G., Journal of Chemical Physics 2026 Vol. 165 No. 12 Article 124508
Добавлено: 24 сентября 2026 г.
Юрова П. А., Стенина И. А., Ярославцев А. Б., Membranes and Membrane Technologies 2026 Vol. 8 No. 1 P. 1–8
Добавлено: 24 сентября 2026 г.
Паршаков П. А., Паклина С. Н., International Journal of Human-Computer Interaction 2026 P. 1–17
Добавлено: 23 сентября 2026 г.
Андраби У. М., Wadood E., Ojha S. K. и др., IEEE Access 2026 Vol. 14 P. 103358–103375
Добавлено: 23 сентября 2026 г.
Добавлено: 23 сентября 2026 г.
Кертес-Фаркаш А., Аквей Ф. Л., Journal of Proteome Research 2026 Vol. 25 P. 3764–3768
Добавлено: 23 сентября 2026 г.
Будков Ю. А., Journal of Chemical Physics 2026 Vol. 165 No. 12 Article 124105
Добавлено: 22 сентября 2026 г.
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.
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.
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.
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.
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.
Неверов В. Д., Красавин А. В., Вагов А. В. и др., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 113 P. 1–6
Добавлено: 5 сентября 2026 г.
Глинкина Л. С., Доптан Э. С., Косоногов В. В., Journal of Individual Differences 2026 No. 47(3) P. 132–143
Добавлено: 8 июля 2026 г.
Новиков Р. С., Novopashin M., Позин Б. А., Programming and Computer Software 2026 Vol. 52 No. 1 P. 28 – 38
Добавлено: 26 июня 2026 г.
Ванхэлен К. Б., Lin Y., Zhavoronkov A., ACS Medicinal Chemistry Letters 2020 Vol. 11 No. 8 P. 1496–1505
Генеративные состязательные сети (GAN), впервые описанные в 2014 году, являются одними из важнейших концепций в современном искусственном интеллекте (ИИ). Объединяя глубокое обучение и теорию игр, GAN используются для генерации или «воображения» новых объектов с желаемыми свойствами. С 2016 года множество GAN с подкреплением (RL) успешно применяются в фармакологии для проектирования молекул de novo. Эти методы ...
Добавлено: 1 июня 2026 г.
Krasnov L., Malikov D., Kiseleva M. и др., Journal of Medicinal Chemistry 2026 Vol. 69 No. 8 P. 8838–8851
Добавлено: 23 апреля 2026 г.
Плесовских А. Е., Journal of Applied Economic Research 2023 Т. 22 № 2 С. 323–354
В современных исследованиях широко обсуждается роль особых экономических зон в стимулировании экономического роста и развития России, формировании необходимых инвестиционных потоков и повышении инновационного потенциала страны за счет расширения производства продукции в высокотехнологичных отраслях экономики с высокой добавленной стоимостью. Цель исследования – моделирование процесса генерации резидентов и детерминация количественных факторов, оказывающих статистически значимый эффект на среднегодовой ...
Добавлено: 13 апреля 2026 г.
Пакшин П. К., Legal Issues in the Digital Age 2026 Vol. 7 No. 1 P. 32–48
Искусственный интеллект выполняет значимую функцию в процессе автоматизации, минимизируя операционное участие человека в таких сферах, как медицина, искусство и юриспруденция. Несмотря на исторически тесную взаимосвязь искусства и технологий, именно генеративный искусственный интеллект расширил потенциал для творческой деятельности. Существенным катализатором этого процесса стало распространение предобученных систем искусственного интеллекта, интенсифицировавших развитие технологий в области обработки естественного языка ...
Добавлено: 31 марта 2026 г.