?
Interpretable Machine Learning in Guided Synthesis of Stable Sols Based on Nanosized Titanium Oxides
P. 1–6.
IEEE Computer Society (Conference Publishing Services, CPS), 2026.
Добавлено: 7 ноября 2026 г.
Дрегуло А. М., , in: Recent Advances in Artificial Intelligence and Machine Learning for Thermochemical and Biochemical Bioprocess.: Elsevier, 2026. P. 279–293.
Добавлено: 3 ноября 2026 г.
Obsie E. Y., Liu Y., SMART AGRICULTURAL TECHNOLOGY 2025
Добавлено: 22 октября 2026 г.
Добавлено: 25 сентября 2026 г.
Добавлено: 30 июля 2026 г.
Izyumov P., Ивченко А. В., , in: 2024 26th International Conference on Digital Signal Processing and its Applications (DSPA).: IEEE, 2024. P. 1–5.
Добавлено: 28 июня 2026 г.
NY: Association for Computing Machinery (ACM), 2026.
Добавлено: 17 апреля 2026 г.
Chieregato Vicentin D., Salati Marcondes de Moraes G. H., Fischer B. и др., Journal of Intellectual Capital 2026 Vol. 27 No. 4 P. 951–974
Добавлено: 11 марта 2026 г.
Добавлено: 2 октября 2025 г.
Али С., Хижик А. И., Рыжиков А. С. и др., , in: 2025 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT), 12-13 May 2025.: IEEE, 2025. P. 357–360.
Добавлено: 3 июля 2025 г.
Саранская И. М., Boris Gutkin, Захаров Д. Г., European Physical Journal: Special Topics 2025 Vol. 234 P. 4159–4177
В этом обзоре рассматривается взаимосвязь между представлением данных и методами машинного обучения (ML) при классификации функциональных, когнитивных и патологических состояний мозга с использованием магнитоэнцефалографии (МЭГ). Рассматриваются два основных представления данных: сигналы на уровне сенсоров и восстановленные сигналы источников. Сигналы сенсоров в сочетании с классическими методами ML, такими как линейный дискриминантный анализ (LDA) и методы опорных ...
Добавлено: 15 марта 2025 г.
Springer, 2024.
Добавлено: 5 марта 2025 г.
Vlasov V., Aleksei Y. Kuzin, Florya I. и др., Journal of Energy Storage 2025 Vol. 111 Article 115349
Добавлено: 26 февраля 2025 г.
Власенко Д. В., Ушаков В. Г., Заикин А. А. и др., Известия высших учебных заведений. Прикладная нелинейная динамика 2025 Т. 33 № 4 С. 557–566
Изучение функциональных сетей мозга, которые поддерживают когнитивные процессы, является одной из центральных задач современной нейронауки. Функциональная магнитно-резонансная томография (фМРТ) широко используется для получения данных об активности мозга. Однако, высокая размерность и динамическая природа фМРТ данных делает их обработку сложной задачей. Сетевые методы представления данных предлагают перспективный подход, позволяющий описывать мозг в виде сети, где узлы соответствуют областям ...
Добавлено: 14 января 2025 г.
Seyedsaeed M., Ahmad Ostovari Moghaddam, Hadavimoghaddam F. и др., ACS Applied Nano Materials 2024 Vol. 7 No. 5 P. 5513–5524
The development of noble metal-free heterogeneous catalysts holds promise for the solvent-free and selective aerobic oxidation of organic compounds. However, the moderate activity of these catalysts under atmospheric conditions limits their industrial use. In this work, the synthesis of noble metal-free (CoFeMnCuNiCr)3O4 high-entropy oxide (HEO) nanoparticles and their grafting on reduced graphene oxide (rGO) to produce ...
Добавлено: 12 января 2025 г.
Назарова А., Малик М. Ш., Игнатов Д. И. и др., Social Network Analysis and Mining 2024 Vol. 14 Article 228
Добавлено: 11 декабря 2024 г.
Чертенков В. И., Щур Л. Н., / Series arXiv "math". 2024. No. 2411.13027.
Добавлено: 21 ноября 2024 г.
Али С., Рыжиков А. С., Деркач Д. А. и др., Moscow University Physics Bulletin 2024 Vol. 79 No. Suppl. 2 P. S591–S597
In the realm of high-energy physics, the longevity of calorimeters is paramount. Our research introduces a deep learning strategy to refine the calibration process of calorimeters used in particle physics experiments. We develop a Wasserstein GAN inspired methodology that adeptly calibrates the misalignment in calorimeter data due to aging or other factors. Leveraging the Wasserstein ...
Добавлено: 7 ноября 2024 г.
Кычкин А. В., Викентьева О. Л., Мыльников Л. А. и др., Computers & Industrial Engineering 2024 Vol. 198 Article 110662
Добавлено: 28 октября 2024 г.
Белокопытов А. С., Макарова М. М., Саламатин М. И. и др., Известия высших учебных заведений. Прикладная нелинейная динамика 2024 Т. 32 № 2 С. 223–228
. Цель данного исследования заключается в разработке классификатора, способного в режиме реального времени определять типичные абсансы на основе данных электроэнцефалограммы, с использованием модели опорных векторов. Методы. Для обучения модели опорных векторов использовались участки электроэнцефалограммы, предварительно помеченные специалистом как содержащие типичные абсансы. В качестве признаков для классификации выделены ключевые характеристики, такие как число пересечений нуля, кросс-корреляция ...
Добавлено: 23 октября 2024 г.