From Patterns to Predictions: A Shapelet-Based Framework for Directional Forecasting in Noisy Financial Markets

В данной работе мы сосредоточимся на обобщении эмпирического закона Херста и предложим набор редуцированных параметров для количественного описания длительных временных рядов. Эти ряды обычно рассматриваются как специфический отклик сложной системы (экономической, геофизической, электромагнитной и других), где последовательная фиксация внешних факторов становится невозможной. Мы рассматриваем применение обобщенных законов Херста для получения нового набора редуцированных параметров в ...

Добавлено: 27 июня 2026 г.

Topological Metric for Unsupervised Embedding Quality Evaluation

Shestov A., Klenitskiy A., Denisova D. и др., , in: Advances in Information Retrieval: 48th European Conference on Information Retrieval, ECIR 2026, Delft, The Netherlands, March 29 – April 2, 2026, Proceedings, Part II. (LNCS, volume 16484).: Cham: Springer Publishing Company, 2026. P. 596–605.

Добавлено: 18 июня 2026 г.

Learning to hear broken motors: Signature-guided data augmentation for induction motor diagnostics

Али С., Хижик А. И., Svirin S. и др., Engineering Applications of Artificial Intelligence 2025 Vol. 170 Article 114137

The application of machine learning algorithms in the intelligent diagnosis of three-phase engine has the potential to significantly enhance diagnostic performance and accuracy. Traditional methods largely rely on signature analysis, which, despite being a standard practice, can benefit from the integration of advanced machine learning techniques. In our study, we innovate by combining machine learning ...

Добавлено: 16 февраля 2026 г.

KDD '25: Proceedings of the 31th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. Volume 2

Association for Computing Machinery (ACM), 2025.

Добавлено: 12 января 2026 г.

KDD '25: Proceedings of the 31th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. Volume 1

Association for Computing Machinery (ACM), 2025.

Добавлено: 26 октября 2025 г.

Self-feedback delay induces extreme events in the theoretical Brusselator system

Manivelan S. V., S. Sabarathinam, Thamilmaran K. и др., Physical Review E - Statistical, Nonlinear, and Soft Matter Physics 2025 Vol. 112 No. 1 Article 014202

Добавлено: 2 июля 2025 г.

Genome-wide association studies of ischemic stroke based on interpretable machine learning

Stefan Nikolić, Игнатов Д. И., Khvorykh G. и др., PeerJ Computer Science 2024 Vol. 10 Article e2454

Добавлено: 11 декабря 2024 г.

Условия использования судебных актов для машинного обучения (на примере отдельных решений о защите права собственности

Алексеевская Е. И., Правоприменение 2020 № 4 С. 102–114

На примере дел о защите частной собственности в судах анализируются результаты преобразований в процессуальном законодательстве и законодательстве о судебной системе последних лет, которые формируют тренды судебной практики. В статье показывается как эти тренды повлияют на автоматизацию правосудия. Анализ судебных актов позволил сделать вывод, что нет основы для машинного обучения искусственного интеллекта. Они даже не годятся ...

Добавлено: 20 августа 2024 г.

Shaped-Charge Learning Architecture for the Human–Machine Teams

Galitsky B., Ильвовский Д. А., Goldberg S., Entropy 2023 Vol. 25 No. 6 Article 924

Добавлено: 10 декабря 2023 г.

Surface waves prediction based on long-range acoustic backscattering in a mid-frequency range

Ermoshkin A., Kosteev D., Alexander A. Ponomarenko и др., Journal of Marine Science and Engineering 2022 Vol. 10 No. 6 Article 722

Подводное акустическое эхозондирование для получения параметров неровности поверхности изучается в относительно новом для таких целей частотном диапазоне. В ходе описанного 2-недельного морского эксперимента с океанографической платформы, расположенной на северном шельфе Черного моря, излучались тональные импульсы частотой 1-3 кГц. Были исследованы доплеровские спектры возникающей реверберации. Частотный диапазон акустической системы, выбранный для данного исследования, обусловлен тем, что ...

Добавлено: 21 ноября 2022 г.

Leveraging Recursive Gumbel-Max Trick for Approximate Inference in Combinatorial Spaces

Kirill Struminsky, Artyom Gadetsky, Denis Rakitin и др., , in: Advances in Neural Information Processing Systems 34 (NeurIPS 2021).: Curran Associates, Inc., 2021. P. 10999–11011.

Добавлено: 14 марта 2022 г.

Unsupervised learning of general-purpose embeddings for code changes

Pravilov M., Bogomolov E., Golubev Y. и др., , in: MaLTESQuE 2021: Proceedings of the 5th International Workshop on Machine Learning Techniques for Software Quality Evolution.: ACM, 2021. Ch. 171275 P. 7–12.

Добавлено: 26 октября 2021 г.

Formal Concept Analysis: 16th International Conference, ICFCA 2021, Strasbourg, France, June 29 – July 2, 2021, Proceedings

Springer, 2021.

Книга вклюает в себя работы 16ой международной конференции по Анализу формальных понятий. Книга поделена на 5 секций: теория, правила, методы и приложения, исследование и визуализация ...

Добавлено: 10 июля 2021 г.

Package Downsizing Effect estimation on the Juice Perm Market

Гоголев С. Л., Ожегов Е. М., , in: IV Российский экономический конгресс «РЭК-2020». Том V. Тематическая конференция «Прикладная эконометрика» (сборник материалов).: М.: Новая экономическая ассоциация, 2020. P. 84–86.

Добавлено: 11 марта 2021 г.

Emotional Waves of a Plot in Literary Texts: New Approaches for Investigation of the Dynamics in Digital Culture

Martynenko G., Шерстинова Т. Ю., , in: Digital Transformation and Global Society. Third International Conference, DTGS 2018, St. Petersburg, Russia, 2018, Revised Selected Papers. Part II. Communications in Computer and Information Science 859Issue 859.: Springer, 2018. P. 299–309.

Добавлено: 22 октября 2020 г.

A density-based statistical analysis of graph clustering algorithm performance

Miasnikof P., Shestopaloff A. Y., Bonner A. J. и др., Journal of Complex Networks 2020 Vol. 8 No. 3 P. 1–33

Добавлено: 4 августа 2020 г.

A Simple Method to Evaluate Support Size and Non-uniformity of a Decoder-Based Generative Model

Струминский К. А., Ветров Д. П., Lecture Notes in Computer Science 2019 Vol. 11832 P. 81–93

Добавлено: 23 апреля 2020 г.

Variational Autoencoder with Arbitrary Conditioning

Ветров Д. П., Ivanov O., , in: Proceedings of the 7th International Conference on Learning Representations (ICLR 2019).: ICLR, 2019. P. 1–25.

Добавлено: 13 марта 2020 г.