Perturbation Theory with Accelerated Convergence for Fibre-Optic Nonlinearity Compensation

Delitsyn A.; Konyaev D.; Vasiliy Kakurin; V. Gromov

doi:10.1016/j.cnsns.2025.109492

Публикации

?

Perturbation Theory with Accelerated Convergence for Fibre-Optic Nonlinearity Compensation

Communications in Nonlinear Science and Numerical Simulation. 2026. Vol. 153. Article 109492.

Delitsyn A., Konyaev D., Vasiliy Kakurin, Громов В. А.

Научное направление: Компьютерные науки Физика Математика

Язык: английский

DOI

Текст на другом сайте

Ключевые слова: машинное обучение perturbation theory теория возмущений нелинейное уравнение Шрёдингера NLSE approximation machine learning SSFM

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Сложные языковые и семантические модели в искусственном интеллекте (2025)

Mean-field reduction of networks of bursting neurons

Inês G., Скороход С. Н., Matteo d. V. и др., Communications in Nonlinear Science and Numerical Simulation 2027 Vol. 164 P. 1–13

Добавлено: 29 октября 2026 г.

Tensor term logic for categorial grammars: simple unification of commutative and noncommutative structure

Sergey Slavnov, / Series math "arxiv.org". 2026.

Добавлено: 29 октября 2026 г.

Proceedings of the 11th Workshop on Automated Knowledge Base Construction (AKBC 2026)

Association for Computational Linguistics, 2026.

Добавлено: 28 октября 2026 г.

Molecular dynamics and machine learning insights into oil-brine interfacial tension: Uncovering roles of dissolved gases and salinity

Nikitiuk B., Lenev D., Писарев В. В. и др., Journal of Colloid and Interface Science 2026 Vol. 718 Article 140444

Добавлено: 28 октября 2026 г.

Predicting multi-component oil viscosity using machine learning methods

Deshchenya V., Nikolay D. Kondratyuk, Sivakova A. и др., Chemical Engineering Sciences 2027 Vol. 337 Article 124616

Добавлено: 28 октября 2026 г.

PARSE: Physical attribute representativity and stationarity evaluator open-source library for 3D images using scalar and vector metrics

Zubov A., Zubov A., Малявко, Я. и др., Computer Physics Communications 2025 Vol. 317 Article 109860

Добавлено: 28 октября 2026 г.

Amplifying Latent Safety in Large Language Models via Gated Activation Steering

Roman Prosvirnin, Suslov A., Aleksei Soldatov и др., Computation 2026 Vol. 14 No. 10 Article 261

Добавлено: 27 октября 2026 г.

PACTraD: Multi-Task Benchmark and Domain-Specific Attention Mechanism for Wildlife Classification, Detection, and Segmentation in Protected Area Camera Trap Data

Aleksei Samarin, Назаренко А. А., Nazarenko D. и др., Big Data and Cognitive Computing 2026 Vol. 10 No. 11 P. 1–52

Добавлено: 27 октября 2026 г.

From frozen Coulomb decoherence to thermalization: Classical and quantum density-matrix routes to Balescu–Lenard and Landau kinetics

Будков Ю. А., Annals of Physics 2026 Vol. 495 No. 3 Article 170796

Добавлено: 26 октября 2026 г.

On non-Abelian waves repeatedly changing sign at constant phases

Alexander S. Rabinowitch, International Journal of Modern Physics A 2026 Vol. 41 No. 30 Article 2650168

Добавлено: 26 октября 2026 г.

2026 10th Scientific School Dynamics of Complex Networks and their Applications

IEEE, 2026.

Добавлено: 26 октября 2026 г.

A Curated Dataset for Chemical Characterization of Heated Tobacco Product Aerosol

Maddalena L., Yildiz B., Del Vecchio Blanco F. и др., Scientific data 2026 P. 1–20

Добавлено: 26 октября 2026 г.

Electrically driven Rabi dynamics of magnetic field induced corner states in a two-dimensional topological insulator

D.V. Khomitsky, Lavrukhina E. A., Krasavin D. P. и др., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 114 No. 22 Article 225414

Добавлено: 23 октября 2026 г.

Weakly non-integrable solitary wave collisions in the modified Benjamin–Bona–Mahony equation

Flamarion M. V., Пелиновский Е. Н., Wave Motion 2027 Vol. 148 Article 103867

Добавлено: 23 октября 2026 г.

Анализ алгоритмов квантовых вычислений в биомедицине

Горбунов А. А., Григорьев А. А., Демидов Л. Н. и др., Приборы и системы. Управление, контроль, диагностика 2025 № 7 С. 20–24

Быстрое развитие технологии квантовых вычислений потенциально может произвести революцию в сложных вычислениях в физических, химических и биологических областях за счет использования квантовой суперпозиции и запутанности. Квантовые компьютеры используют кубиты, способные существовать в нескольких состояниях одновременно, в отличие от классических битов. Эта функция позволяет хранить и обрабатывать больше информации, что дает значительное преимущество при решении задач с обширным пространством ...

Добавлено: 12 октября 2026 г.

Proceedings of the 34th IUPAP Conference on Computational Physics: CCP2023, August 4-8, Kobe, Japan

Singapore: Springer, 2026.

Добавлено: 12 октября 2026 г.

Enhancing Boundary Stability in Decision Trees and Random Forests: A Weighted Sample Duplication Approach

Konstantinov A., Elizarova Anastasiya P., Utkin L., Computing, Telecommunications and Control 2026 Vol. 19 No. 1 P. 16–25

Деревья решений и их ансамблевые расширения, такие как случайные леса, широко используются в качестве моделей классификации благодаря своей простоте и интерпретируемости. Однако во многих реальных задачах, где метки классов перекрываются в пространстве признаков, стандартные деревья решений полагаются на жесткие разбиения, которые создают слабые границы принятия решений. В этих областях небольшие возмущения входных значений могут привести ...

Добавлено: 2 октября 2026 г.

Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026)

International Joint Conferences on Artificial Intelligence, 2026.

Добавлено: 1 октября 2026 г.

Дополнительная коррекция ошибок в каскадном коде с помощью полносвязных нейронных сетей

Портной С. Л., Ефремов А. М., Кузьмин В. В., В кн.: Распределенные компьютерные и телекоммуникационные сети: управление, вычисление, связь (DCCN-2026): материалы XXIX Международной научной конференции. Россия, Москва, 21–27 сентября 2026 г.: М.: РУДН, 2026..

В работе рассматривается возможность улучшения помехоустойчивости каскадного кода, состоящего из внутреннего кода Хэмминга (4,3) и внешнего кода Рида — Соломона (7,5) над полем GF(8), за счёт дополнительной кор рекции ошибок на основе машинного обучения. Внешний код декодируется списочным алгоритмом с перебором стираний; рассматриваются списки дли ной 5 и 10 комбинаций. Для компенсации потерь помехоустойчивости при ...

Добавлено: 26 сентября 2026 г.

Metaheuristics in Machine Learning: Theory and Applications

Cham: Springer, 2021.

Добавлено: 18 сентября 2026 г.

The relevance of lead prioritization: a B2B lead scoring model based on machine learning

González-Flores L., Rubiano-Moreno J., Соса Гомез Г., Frontiers in Artificial Intelligence 2025 Vol. 8 Article 1554325

Добавлено: 18 сентября 2026 г.

Использование методов машинного обучения для повышения эффективности систем противодействия многоэтапных кибератак

Лебедев О. Б., Левченко Д. Д., Черкасов Р. И., Инженерный вестник Дона 2026 № 2(134) Статья 7

Статья посвящена анализу влияния технологий искусственного интеллекта (ИИ) и машинного обучения на развитие, трансформацию киберугроз и создание высокоэффективных систем киберзащиты. Рассматриваются ключевые направления эволюции ИИ, включая ориентированные на данные, модели, приложения и человека подходы, и их роль в формировании как защитных, так и наступательных возможностей. Показано, что злоумышленники активно используют ИИ для автоматизации разведки, персонализации ...

Добавлено: 12 сентября 2026 г.

Модель глубокого обучения для автоматизированной интерпретации медицинских электрофизиологических данных

Лебедев О. Б., Шмелева А. Г., Гежа Н. С., Информатика и автоматизация (Труды СПИИРАН) 2026 Т. 25 № 3 С. 720–750

Статья посвящена разработке нейросетевой модели для автоматизированного анализа медицинских данных в области электрофизиологии на основе методов глубокого обучения. Актуальность работы обусловлена растущей потребностью в повышении объективности, скорости и точности обработки сложных пространственно-временных сигналов, таких как ЭКГ или ЭЭГ. В качестве инструмента анализа были использованы сверточные нейронные сети (CNN), позволяющие извлекать пространственные особенности, и временные сверточные ...

Добавлено: 10 сентября 2026 г.

Анализ согласованности голосования стран ЕАЭС и ОДКБ в ГА ООН с помощью иерархической кластеризации

Вохминцев И. В., Вестник международных организаций: образование, наука, новая экономика 2026 Т. 21 № 2

ЕАЭС и ОДКБ – главные региональные международные организации для России. Понимание, оценка и анализ внешнеполитических позиций стран, которые туда входят — это вопрос национальных интересов страны. Из этого вытекает цель работы: выявление уровня и формы согласованности голосования стран ЕАЭС и ОДКБ в ГА ООН. Уровень согласованности – оценка уровня близости стран при голосовании. Форма согласованности ...

Добавлено: 7 сентября 2026 г.