• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдено 3 140 публикаций
Сортировка:
по названию
по году
Статья
MacInnes W., Hunt A., Clarke A. et al. Cognitive Computation. 2018. Vol. 10. No. 5. P. 703-717.

There is a clear idea of ​​how you can observe the patterns of eye movements. This is a dynamic and dynamic cognitive companion using a Dynamic Bayesian Network (DBN). Understanding how people live. This model provides a pre-frontal area for the colliculus. Our approach is to begin with. This is an analysis of the observer's task. Secondly, it is a state cognitive state. Finally, we’ve been able to make a difference. This is the only factor that influences observers' saccadic behavior. While the inclusion of the model, This is a list of the results obtained in the paradigms. It is capable of a saccadic simulation in real time. We have shown that it has been closely coordinated with those of human observers. It is important to note that it is not a problem. There are three ways to add top-down knowledge and knowledge. First of all, we’ve given the information system available to the visual system. This matches the influential signals by Milas and Cohen Annu Rev Neurosci 24: 2001 ) imple external shif shif Second, our model is a generative and capable of those found in visual search. Third, our model generates relative saccadic vector information as opposed to absolute spatial coordinates. This matches more closely together in the superior colliculus.

Добавлено: 8 мая 2018
Статья
Lanin Viacheslav, Sokolov G. International Journal "Information Technologies & Knowledge". 2013. Vol. 7. No. 3. P. 256-260.

In this paper an approach to using unstructured documents intelligent processing at different stages of information system’s lifecycle is described. When documents are processed it’s suggested to use the results of semantic indexing. Every document is mapped to one agent that represents the interests of the document. This approach allows solving a wide range of problems which are appeared not only with the information system functioning but also system designing.

Добавлено: 20 января 2014
Статья
Akopov A. S., Beklaryan L. A., Saghatelyan A. K. Ecological Modelling. 2017. Vol. 346. P. 99-118.
Добавлено: 30 декабря 2016
Статья
Akopov A. S., Beklaryan L. A., Saghatelyan A. K. Environmental Modelling and Software. 2019. Vol. 116. P. 7-25.
Добавлено: 24 февраля 2019
Статья
Akopov A. S., Beklaryan A., Beklaryan L. A. et al. Journal of machine learning and data analysis. 2016. Vol. 2. No. 1. P. 104-115.
Добавлено: 23 августа 2016
Статья
Romanenko A. Springer Proceedings in Mathematics & Statistics. 2015. P. 137-146.
Добавлено: 6 декабря 2018
Статья
Chemodanov D., Esposito F., Sukhov A. et al. Future Generation Computer Systems. 2019. Vol. 92. P. 1051-1065.
Добавлено: 3 декабря 2019
Статья
Lazarev A. A., Werner F. Computers & Mathematics with Applications. 2009. No. 58. P. 619-631.

In this paper we consider a graphical realization of dynamic programming. The concept is discussed on the partition and knapsack problems. In contrast to dynamic programming, the new algorithm can also treat problems with non-integer data without necessary transformations of the corresponding problem. We compare the proposed method with existing algorithms for these problems on small-size instances of the partition problem with n.

Добавлено: 24 ноября 2012
Статья
Nersisyan S., Pankratieva V., Staroverov V. et al. Journal of Applied Mathematics. 2017. Vol. 2017. P. 1-9.
Добавлено: 28 апреля 2020
Статья
Огальцов А. В., Тюрин А. И. Журнал вычислительной математики и математической физики. 2020. Т. 60. № 7. С. 1108-1115.

A fast adaptive heuristic stochastic gradient descent method is proposed. It is shown that this algorithm has a higher convergence rate in practical problems than currently popular optimization methods. Furthermore, a justification of this method is given, and difficulties that prevent obtaining optimal estimates for the proposed algorithm are described.

Добавлено: 2 октября 2020
Статья
Wang L., Yang R., Ni H. et al. Applied Soft Computing Journal. 2015. Vol. 34. P. 736-743.

Inspired by human learning mechanisms, a novel meta-heuristic algorithm named human learning optimization (HLO) is presented in this paper in which the individual learning operator, social learning operator, random exploration learning operator and re-learning operator are developed to generate new solutions and search for the optima by mimicking the human learning process. Then HLO is applied to solve the well-known 5.100 and 10.100 multi-dimensional knapsack problems from the OR-library and the performance of HLO is compared with that of other meta-heuristics collected from the recent literature. The experimental results show that the presented HLO achieves the best performance in comparison with other meta-heuristics, which demonstrates that HLO is a promising optimization tool.

Добавлено: 24 июня 2015
Статья
Cheng T., Lazarev A. A., Gafarov E. Computers & Operations Research. 2012. Vol. 36. No. 2. P. 308-315.
Добавлено: 23 ноября 2012
Статья
Mirkin B., Fenner T., Nascimento S. et al. Lecture Notes in Computer Science. 2010. Vol. 6076. No. 1. P. 152-161.

Гибрид двух новых методов, спектральной кластеризации и метод таксономии - применяется для анализа научно-исследовательской деятельности кафедры. Приведенн пример, иллюстрирующий этот метод, который применяется для решения реальных задач.

Добавлено: 14 ноября 2012
Статья
Zhukova G., Ulyanov M., Fomichev M. Automation and Remote Control. 2019. Vol. 80. No. 11. P. 2054-2067.
Добавлено: 24 ноября 2019
Статья
Goldengorin B. I. Applied Soft Computing Journal. 2018. Vol. 65. P. 214-229.

Одной из известных задач в планировании расписаний работы одной машины является  поиск последовательности заданий (работ) и зарузки нобходимых инструментов  для выполнтния этих работ  с целью минимизации общего количества перезагрузок инструментов. В литературе доказано, что такая задача может быть сведена к поиску оптимальной последовательности работ (ЗОПР). В ЗОПР количество перезарузок инструмента от текущего обрабатываемого задания к следующему заданию зависит от последовательности всех предшественников. В этой статье ЗОПР моделируется как задача коммивояжера второго порядка (2-TSP). Мы называем такую ЗОПР задачей 2-ЗОПР, которая имеет другую целевую функцию  и доказываем, что 2-ЗОПР является NP-трудной. 2-ЗОПР аппрокимирутсеся  ршним задачи о назначении второго порядка (2-AP) решение которой осуществляется эвристикой Карпа-Стила ( Karp-Steele). Полученное решение не гарантирует оптимальной последовательности и используется для создания генетического алгоритма на основе динамического Q-обучения (DQGA) для улучшения качества решения. Q-обучение, которое является своего рода методом обучения с подкреплением, используется для изучения опыта выбора порядка мутации и операторов кроссовера в каждом поколении генетического алгоритма. Результаты расчетов на 320 эталонных примерах показывают, что предлагаемая DQGA  эвристика сопоставима по скорости и кацству найднных ршний с современными методами в литературе. DQGA даже превосходит существующие методы в некоторых случаях, поскольку может улучшить найденные «наилучшие решения» за значительно меньшее время. Наконец, производительность DQGA сравнивается с характеристиками необучамых генетических алгоритмов.

Добавлено: 22 апреля 2020
Статья
Martynov G., Deheuvels P. Journal of Functional Analysis. 2008. Vol. 255. P. 2363-2394 .
Добавлено: 23 марта 2014
Статья
Gromov V., Migrina A. M. Complexity. 2017. Vol. 2017. No. Article ID 9212538. P. 1-7.
Добавлено: 27 сентября 2018
Статья
Kotov A., Treshcheva E., Bessonov L. et al. SIGIR Forum (ACM Special Interest Group on Information Retrieval). 2016. Vol. 50. No. 2. P. 28-35.

Статья является отчетом о проведенной 10-й  Российской летней школе по информационному поиску (10th Russian Summer School in Information Retrieval (RuSSIR 2016) )

Добавлено: 27 февраля 2017
Статья
Russkov A., Chulkevich R., Shchur L. Computer Physics Communications. 2021. Vol. 261. P. 107786.
Добавлено: 28 декабря 2020
Статья
Vereshchagin N. Theory of Computing Systems. 2016. Vol. 58. No. 3. P. 463-481.
Добавлено: 7 февраля 2017
Статья
Evsyutin O., Melman A., Мещеряков Р. В. Signal Processing. 2021. Vol. 179.
Добавлено: 11 сентября 2020