?
Predicting Molecule Toxicity via Descriptor-based Graph Self-supervised Learning
IEEE Access. 2023. Vol. 11. P. 91842–91849.
Li X., Makarov I., Киселёв Д. А.
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Добавлено: 20 ноября 2026 г.
Aleksei Samarin, Назаренко А. А., Kotenko E. и др., Machine Learning and Knowledge Extraction 2026 Vol. 8 No. 11 Article 389
Добавлено: 19 ноября 2026 г.
Semenikhin T. A., Корнилов М. В., Pruzhinskaya M. V., Moscow University Physics Bulletin 2025 Vol. 80 No. S1 P. S204–S207
Добавлено: 19 ноября 2026 г.
Pruzhinskaya M. V., Корнилов М. В., Dodin A. V. и др., Astronomy and Astrophysics 2026 Vol. 715 P. 1–18
Добавлено: 19 ноября 2026 г.
Semenikhin T. A., Kornilov M.V., Pruzhinskaya M. V. и др., Astronomy and Computing 2026 Vol. 56 Article 101126
Добавлено: 19 ноября 2026 г.
Burov A., Котыхов А. С., Aksyonov D. и др., Computer Physics Communications 2027 Vol. 330 Article 110458
Явный учет магнитных степеней свободы в межатомных потенциалах, построенных с помощью методов машинного обучения (магнитных MLIP), играет ключевую роль в корректном описании магнитных материалов и их свойств. Важным компонентом для обучения таких потенциалов являются спин-поляризованные расчеты в рамках теории функционала плотности (DFT), проводимые для состояний с неравновесными магнитными моментами — то есть расчеты DFT с ...
Добавлено: 17 ноября 2026 г.
Кертес-Фаркаш А., Боревский А. О., Plos One 2026 Vol. 21 No. 11 P. 1–20
Background
Domain shifts or batch effects can significantly degrade the performance of machine learning-based classifiers in software production without any warning. This can particularly be problematic in medical applications which involve human lives. The shift changes the shape of the prediction score distribution of the test samples compared to that of the training samples; hence, decision ...
Добавлено: 17 ноября 2026 г.
Ефимов К. Д., Журнал Новой экономической ассоциации 2026 № 72 С. 105–114
В работе предлагается метод автоматического выявления картель ного поведения в электронных аукционах государственных закупок на основе анализа пол ной траектории ставок. Эмпирическая база включает 508 историй торгов за 2016–2020 гг. с электронной площадки РТС-тендер; положительный класс размечен по материалам дел ФАС России, контрольная группа сформирована из сопоставимых аукционов без зафикси рованных нарушений. Каждая сессия представлена ...
Добавлено: 13 ноября 2026 г.
Sergey N. Koltcov, Budkovaia M., Сурков А. Ю. и др., IEEE Journal of Biomedical and Health Informatics 2026 P. 1–10
Добавлено: 13 ноября 2026 г.
Физулин А. В., Степанянц В. Г., Американов А. А. и др., FUTURE TRANSPORTATION 2026 Vol. 6 No. 6 Article 264
Добавлено: 12 ноября 2026 г.
Stoianova A. D., Trofimets V. Y., Matrokhina K. V., International Journal of Engineering, Transactions A: Basics 2025 Vol. 38 No. 4 P. 701–709
Добавлено: 10 ноября 2026 г.
Добавлено: 10 ноября 2026 г.
Добавлено: 10 ноября 2026 г.
Lukyanchuk V., Норман Г. Э., Кондратюк Н. Д. и др., Scientific Reports 2026 Vol. 16 No. 1 Article 16435
Добавлено: 10 ноября 2026 г.
Zaikin A., Sviridov I., Sosedka A. и др., Technologies 2026 Vol. 14 No. 2 Article 84
Добавлено: 23 мая 2026 г.
Krivonosov M., Nazarenko T., Ushakov V. и др., Technologies 2025 Vol. 13 No. 1 Article 13
Добавлено: 23 декабря 2024 г.
Дайюб Я., Andrey V. Savchenko, Макаров И. А., , in: 2024 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct).: IEEE, 2024. P. 584–587.
Добавлено: 3 декабря 2024 г.
Maksim Golyadkin, Vitaliy Pozdnyakov, Leonid Zhukov и др., Artificial Intelligence 2023 Vol. 324 Article 104012
Добавлено: 20 сентября 2023 г.
Giordano M., Maddalena L., Manzo M. и др., Annals of Mathematics and Artificial Intelligence 2023 Vol. 91 P. 259–285
Добавлено: 18 ноября 2022 г.
Киселёв Д. А., Makarov I., IEEE Access 2022 Vol. 10 P. 123614–123621
Добавлено: 5 сентября 2022 г.
Depth estimation has been an essential task for many computer vision applications, especially in autonomous driving, where safety is paramount. Depth can be estimated not only with traditional supervised learning but also via a self-supervised approach that relies on camera motion and does not require ground truth depth maps. Recently, major improvements have been introduced ...
Добавлено: 1 февраля 2022 г.
Садртдинов И. Р., Чиркова Н. А., Лобачева Е. М., , in: ICML 2021 Workshop, Overparameterization: Pitfalls & Opportunities.: [б.и.], 2021.
Добавлено: 25 января 2022 г.
Recently, graph embedding models significantly improved the quality of graph machine learning tasks, such as node classification and link prediction. In this work, we propose a model called JONNEE (JOint Network Nodes and Edges Embedding), which learns node and edge embeddings under self-supervision via joint constraints in a given graph and its edge-to-vertex dual representation ...
Добавлено: 30 октября 2021 г.