?
Supervised Learning in Critical Phenomena—Statistical and Systematic Accuracy
Lobachevskii Journal of Mathematics. 2026. Vol. 47. No. 2. P. 720–727.
Chertenkov V. I., Щур Л. Н.
Язык:
английский
Ключевые слова: systematic errorsмодель Изингакритическое поведениеcritical behaviorсистематическая ошибкасуперкомпьютерное моделированиеsupercomputer simulationстатистическая ошибкаSupervised Machine Learningfinite-size analysisконечно-мерный анализ lsing modelмашинное обучение с учителемstatistical errors
Avdoshin S.M., Patrushev K. A., Proceedings of the Institute for System Programming of the RAS 2026 No. 4 часть 2 P. 245–256
Добавлено: 27 августа 2026 г.
Добавлено: 27 августа 2026 г.
Мельников И. Е., Пелиновский Е. Н., Nonlinear Dynamics 2026 No. 114 Article 934
Добавлено: 27 августа 2026 г.
Добавлено: 27 августа 2026 г.
Тула: Тульский государственный педагогический университет им. Л.Н. Толстого, 2025.
Сборник содержит материалы, представленные на XXIV Международной конференции «Алгебра, теория чисел, дискретная геометрия и многомасштабное моделирование: современные проблемы, приложения и проблемы истории», посвящённой 110-летию со дня рождения академика Юрия Владимировича Линника и 110-летию со дня рождения профессора Андрея Борисовича Шидловского и 80-летию со дня рождения профессора Геннадия Ивановича Архипова. Материалы конференции будут полезны научным работникам, ...
Добавлено: 27 августа 2026 г.
Eduard Sopin, Назарьин А. И., Бегишев В. О. и др., IEEE Transactions on Vehicular Technology 2026 Vol. 75 No. 6 P. 10995–11007
Добавлено: 26 августа 2026 г.
Джонов А. Т., Авдошин С. М., Информационные технологии 2026 Т. 32 № 8 С. 421–427
В данном систематическом обзоре представлен анализ методологии Вайб-кодинг (Vibe Coding) — современно-го подхода к итеративному процессу разработки программного обеспечения с помощью больших языковых моделей (БЯМ). Инструменты генерации кода транформируют написание ПО, позволяя программисту формулировать задачи и описывать желаемое поведение кода на естественном языке, в то время как БЯМ генерирует соответ-ствующий запросам исходный код. Обзор систематиматизирует ...
Добавлено: 25 августа 2026 г.
Мельман А. С., Евсютин О. О., Journal of the Franklin Institute 2026 Vol. 363 No. 15 Article 109005
Добавлено: 25 августа 2026 г.
IEEE, 2026.
Добавлено: 24 августа 2026 г.
Лукьяненко Д. В., Рагимова А. А., Мухорина А. и др., European Physical Journal: Special Topics 2026 P. 1–24
Добавлено: 20 августа 2026 г.
Добавлено: 20 августа 2026 г.
CEUR-WS.org, 2026.
Добавлено: 20 августа 2026 г.
Добавлено: 20 августа 2026 г.
Association for Computational Linguistics, 2026.
Добавлено: 19 августа 2026 г.
Gimaev R., Karpenkov A., Shelkovyi F. и др., Journal of Alloys and Compounds 2026 No. 1080 Article 190307
Магнитотермические свойства четвертичного сплава Fe49Rh46.1Pd3.1Ir1.8 исследованы с помощью комбинации расчетов из первых принципов, структурной характеристики, магнитометрии, калориметрии и прямых измерений адиабатического изменения температуры. Получен исключительный магнитокалорический отклик: ΔTad достигает −11,9 К в поле 1,85 Т в прерывистом режиме и −8,6 К в непрерывном (циклическом) режиме, причем оба значения превышают значения, зарегистрированные на сегодняшний день для ...
Добавлено: 18 августа 2026 г.
Власенко Д. В., Саранская И. М., Захаров Д. Г., European Physical Journal: Special Topics 2026 P. 1–16
Гиперграфы предоставляют естественную систему для представления нейрофизиологических взаимодействий, распределённых по наборам датчиков. Ключевой методический вопрос заключается в том, каким образом следует определять гиперрёбра на основе частотно-разрешающих данных электроэнцефалографии и магнитоэнцефалографии (ЭЭГ/МЭГ). Мы предлагаем стратегию построения гиперграфа, в которой гиперрёбра получаются из канонической когерентности (caCOH) — расширения когерентности, которое оценивает степень связи между многомерными пространствами сигналов. Насколько ...
Добавлено: 18 августа 2026 г.
Мошкин А. С., Fedorov M., Arlazarov V. и др., Algorithms 2026 Vol. 19 No. 7 Article 523
Технологии искусственного интеллекта (ИИ), активно развивающиеся в современной медицине, повышают скорость и качество оказания медицинской помощи. Данная статья преимущественно направлена на демонстрацию применения различных вариантов компьютерного анализа клинических изображений для решения практических задач повышения эффективности рутинной диагностики с использованием ретроспективного анализа, а также на показ потенциала его широкого внедрения (благодаря масштабируемости архитектуры) в практическое здравоохранение ...
Добавлено: 17 августа 2026 г.
Springer, 2026.
Добавлено: 16 августа 2026 г.
Khorunzheva K., Postnikov E., Захаров Д. Г., Chaos, Solitons and Fractals 2026 Vol. 212 No. 2 P. 1–12
Идентификация когерентных состояний спайковых нейронных сетей является фундаментальной задачей теории синхронизации, при этом традиционные методы требуют больших вычислительных затрат. Мы применяем к анализу различных состояний спайковых нейронных сетей кристаллографические идеи обработки периодических структур. В частности, предложенный нами подход основан на применении двумерного преобразования Фурье к пространственно-временным диаграммам. По положению пиков в обратном пространстве этот метод ...
Добавлено: 13 августа 2026 г.
Добавлено: 13 августа 2026 г.
S. S. Seidov, N. G. Pugach, Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 114 No. 7 Article 074504
Добавлено: 13 августа 2026 г.
Qian X., Deng Y., Lev N. Shchur и др., Physica A: Statistical Mechanics and its Applications 2026 Vol. 696 Article 131679
Добавлено: 24 мая 2026 г.
Чернышов Д. П., Сатанин А. М., Издательство Нижегородского госуниверситета, 2025.
В работе исследуется стохастическая динамика двумерных симплектических отоб-ражений на примере обобщенного отображения Чирикова, включающего фазовый сдвиг и дополнительное импульсное воздействие. Используя аналитические и чис-ленные методы, рассматривается влияние этих модификаций на структуру фазового пространства ...
Добавлено: 7 декабря 2025 г.
D.D. Sukhoverkhova, L.N. Shchur, , in: Параллельные вычислительные технологии – XIX всероссийская конференция с международным участием, ПаВТ'2025. Короткие статьи и описания плакатов.: Издательский центр ЮУрГУ, 2025. P. 82–89.
Мы применяем методы глубокого машинного обучения с учителем для извлечения свойств анизотропной модели Изинга. Мы рассматриваем два случая анизотропии: ортогональную и диагональную. Из предсказаний нейронной сети мы получили функции вероятности фазы, на основе которых мы измерили две величины: критическую температуру и критический показатель корреляционной длины. Мы оценили значения параметра анизотропии в обоих случаях, при которых ...
Добавлено: 4 декабря 2025 г.