?
How to use neural network and web technologies in modeling complex technical systems
.
Semenenko M. G., Kniazeva I. V., Beckel L. S., Rutskiy V., Tsarev R., Yamskikh T. N., Kartsan I. N.
Keywords: дифференциальные уравнениянейронные сетипроцесс обученияметоды прогнозированияneural networksdifferential equationslearning processMATLABcomplex technical systemsвизуальное моделированиеvisual modelingsimulinkОБЛАЧНЫЕ РЕШЕНИЯmethods of forecastingcloud-based solutionsimulation softwareкомлпексные технические системыпрограммная симуляцияМАТЛАБСимулинк
In book
Vol. 537. Issue 3. , Institute of Physics Publishing (IOP), 2019.
Portnoy S., Efremov A., Voloshin A., , in: 2026 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO).: Petrozavodsk: IEEE, 2026. P. 1–4.
This paper presents a deep learning-based optimization of a list-decoding algorithm for a concatenated Hamming-Reed-Solomon code transmitted over an AWGN channel with BPSK modulation. The proposed method reformulates early termination of the erasure-pattern list as a weighted regression problem, addressing class imbalance through an asymmetric Weighted Mean Squared Error (WMSE) loss function that penalizes index ...
Added: October 1, 2026
Aleksei Samarin, Nazarenko A., Alexander Savelev et al., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854
Improving image quality is becoming an increasingly popular task, especially when working with mobile devices. One common approach to image enhancement is the use of convolutional neural networks. However, to achieve good results, such networks must be large enough, otherwise there is a risk of unwanted artifacts. In addition, large convolutional neural networks require significant ...
Added: September 21, 2026
Aleksei Samarin, Aleksei Toropov, Alexander Savelev et al., , in: Pattern Recognition. ICPR 2024 International Workshops and Challenges.: Cham: Springer, 2025. P. 308–320.
This research explores an innovative approach to enhancing the accuracy of detecting small microorganisms in complex microscopic environments. Our study introduces a streamlined, hybrid image pre-processing model specifically designed to address the challenges of identifying diplococci in live microscopy of dynamic samples. By integrating pre-defined filtering techniques with predictive adjustments for optimal applicability, our method ...
Added: September 21, 2026
Lebedev O. B., Шмелева А. Г., Гежа Н. С., Информатика и автоматизация (Труды СПИИРАН) 2026 Т. 25 № 3 С. 720–750
This paper describes the development of a neural network model for automated analysis of medical data in electrophysiology based on deep learning methods. The relevance of this work stems from the growing need to improve the objectivity, speed, and accuracy of processing complex spatiotemporal signals, such as ECG or EEG. Convolutional neural networks (CNNs), which ...
Added: September 10, 2026
Vyacheslav D. Neverov, Lukyanov A., Andrey V. Krasavin et al., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 113 No. 2 Article 024515
We develop a neural network approach to solve the self-consistent Bogoliubov-de Gennes equations in strongly disordered s-wave superconductors. The method accurately reproduces inhomogeneous gap distributions and generalizes to system sizes far larger than those used in training. It reduces computational scaling from O(N6 ) to O(N2), enabling quantitative analysis of percolation phenomena and the superconductor-insulator ...
Added: September 5, 2026
Khodadoust J., Kulikova S., Khodadoust F., Biomedical Signal Processing and Control 2027 Vol. 129 Article 111284
Acute ischemic stroke (AIS) analysis from two-dimensional (2D) clinical imaging is hindered by uncontrolled slice tilt and geometric inconsistencies that violate the assumptions of pose-agnostic deep learning (DL) models. This paper proposes a unified geometry-aware, frequency-domain framework for tilted slice localization and ischemic stroke segmentation that explicitly decouples pose estimation from lesion analysis. The method ...
Added: September 2, 2026
Surkov A., Ignatenko V., Koltsov S., Computers, Materials and Continua 2026 Vol. 88 No. 3 Article 74
Large language models have recently demonstrated promising capabilities in mathematical reasoning; however, their performance on tasks requiring strict symbolic manipulation, such as solving differential equations, remains limited, especially for compact models. In this work, we investigate whether activation steering combined with reinforcement learning can improve the quality of solutions generated by pretrained language models without ...
Added: July 8, 2026
Воронеж: Издательский дом ВГУ, 2026.
В сборнике представлены материалы докладов и лекций, включенных в программу весенней математической школы. ...
Added: June 25, 2026
Воронеж: Издательский дом ВГУ, 2026.
В сборнике представлены материалы докладов и лекций,
включенных в программу Воронежской зимней матаматической школы С. Г. Крейна - 2026. ...
Added: June 25, 2026
Seul: PMLR, 2026.
Added: June 4, 2026
Androsov I., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 3 P. 87–114
This paper examines echo state networks (ESNs), one of the most prevalent approaches to
implementing reservoir computing. An ESN consists of a recurrent neural network with fixed (untrained)
weights and a readout layer that is typically linear and trainable. This approach enables the creation of energyefficient and computationally efficient neural networks capable of real-time learning. However, since ...
Added: May 26, 2026
Chertopolokhov V., Mukhamedov A., Bugriy G. et al., IEEE Access 2026 Vol. 14 P. 14369–14392
This study presents on-the-fly identification and multi-step prediction of nonlinear systems with delayed inputs using a dynamic neural network combined with a smooth projection onto ellipsoids. The projection enforces parameter constraints that guarantee stability, while a Lyapunov–Krasovskii analysis yields computable ultimate error bounds. Riccati-type matrix inequalities are derived, providing an efficient vectorization–projection–devectorization implementation suitable for ...
Added: May 22, 2026
Davydov S. G., Федоров В. В., Социологические исследования 2026 № 5 С. 141–147
Представлены результаты измерения ИИ-грамотности взрослого населения России. Исследование решает проблему отсутствия эмпирических данных о фактическом уровне владения компетенциями в сфере искусственного интеллекта среди граждан. Методика основана на самооценке владения пятью типами ИИ-инструментов по 5‑балльной шкале и последующем индексировании. Сбор информации осуществлен методом телефонного опроса (CATI) на общероссийской выборке проекта «ВЦИОМ–Спутник» (N = 1600). Выявлен уровень ...
Added: May 13, 2026
Цыганов А. В., Порубов Е. О., Теоретическая и математическая физика 2026 Т. 227 № 2 С. 336–355
Теория тензорных инвариантов обыкновенных дифференциальных уравнений и классификация Картана простых алгебр Ли используется для установления изоморфизма задачи Козлова о движении ферромагнетика в магнитном поле и задачи Шоттки о движении четырехмерного твердого тела. Найдены новые полиномиальные и рациональные бивекторы Пуассона, инвариантные либо относительно пары коммутирующих фазовых потоков, либо относительно одного из пары потоков. ...
Added: May 5, 2026
Ролинский С. О., Dvoynikova A., В кн.: Альманах научных работ молодых ученых Университета ИТМОТ. 2.: Университет ИТМО, 2022. С. 336–340.
В работе рассмотрены основные существующие подходы к автоматическому распознаванию речи, а также проводится сравнительный анализ открытых компьютерных систем распознавания речи. Для экспериментальных исследований эффективности работы рассматриваемых систем используется речевой корпус LibriSpeech. ...
Added: April 24, 2026
Dvoynikova A., Садикова А. А., В кн.: Сборник трудов X Конгресса молодых ученыхТ. 1.: Университет ИТМО, 2021.
В работе рассматривается применение различных планировщиков обучения (англ. scheduler) нейронных сетей для задачи текстонезависимой верификации дикторов. Для экспериментальных исследований использовалась база данных VoxCeleb1, которая содержит в себе различные речевые высказывания 1211 дикторов. В работе проводился анализ влияния различных планировщиков обучения нейронных сетей, представленных в библиотеке PyTorch языка программирования Python, а также 2 алгоритма планировщика, представленных ...
Added: April 24, 2026
Efremov A., Portnoy S., Волошин А. Д., Первая миля 2025 № 8 С. 20–28
Выполнен комплексный обзор методов машинного обучения (ML), применяемых для повышения устойчивости сигнала к помехам в каналах связи. Бурное развитие поколений беспроводной связи, активная разработка концепции 6G предъявляют высокие требования к задержке, скорости и надежности передачи данных. Традиционные подходы к защите от помех, основанные на строгих аналитических моделях, зачастую не справляются с хаотичной природой плотных гетерогенных ...
Added: April 4, 2026