Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024. Val. 36.

doi:10.23919/FRUCT64283.2024

?

Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024

Vol. 36. FRUCT Oy, 2024.

AutoML Applications for Bacilli Recognition by Taxonomic Characteristics Determination over Microscopic Images

Aleksei Samarin, Aleksei Toropov, Dzestelova A. и др., , in: Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024Vol. 36.: FRUCT Oy, 2024. P. 903–911.

Добавлено: 19 сентября 2026 г.

Wind Turbines Surface Damage Automatic Detection Using YOLOv8 with Specialized Backbone Modification

Aleksei Samarin, Мамаева А. С., Aleksei Toropov и др., , in: Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024Vol. 36.: FRUCT Oy, 2024. P. 702–710.

Добавлено: 19 сентября 2026 г.

Universal Filter-Based Lightweight Image Enhancement Model with Unpaired Learning Mode

Aleksei Samarin, Назаренко А. А., Aleksei Toropov и др., , in: Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024Vol. 36.: FRUCT Oy, 2024. P. 711–720.

Добавлено: 19 сентября 2026 г.

Научное направление: Компьютерные науки Математика

Язык: английский

DOI

Текст на другом сайте

Ключевые слова: computer vision deep learning

Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024

QML- и MCMC-методы оценивания параметров модели стохастической волатильности: применение к российскому рынку ценных бумаг

Борзых Д. А., Орлов Н. А., Экономический журнал Высшей школы экономики 2026 Т. 30 № 3 С. 457–486

Работа посвящена сравнению двух методов оценивания модели стохастической волатильности (SV-модели) – методу максимального квазиправдоподобия (QML) и методу Монте-Карло с цепями Маркова (MCMC). Сравнение проводится как на симулированных, так и на реальных данных. На симулированных данных метод MCMC показывает значительно более точные результаты. При этом с точки зрения вычислений QML-метод имеет гораздо более высокое быстродействие и требует существенно ...

Добавлено: 29 октября 2026 г.

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.

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.

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.

A Multi-Feature Fusion Deep Neural Network with Attention for Multi-Task Crop Monitoring

Obsie E. Y., Zhan Y., Liu Y., Engineering Research Express 2026 Article 7

Добавлено: 22 октября 2026 г.

A Neural Network Approach for Generating Libration Point Orbits

Lev Pyatko, Sergey Aksenov, Regular and Chaotic Dynamics 2026 Vol. 31 No. 5 P. 794–813

In the circular restricted three-body problem, families of periodic and quasi-periodic orbits exist in the vicinity of the libration points and are of significant interest for practical applications. This work presents a neural network-based algorithm for orbit construction and station-keeping, applicable to both periodic and quasi-periodic orbits near collinear libration points. The method employs a ...

Добавлено: 19 октября 2026 г.

Основы теории информации

Воронцова Т. Д., М.: Академия, 2025.

Учебник подготовлен в соответствии с требованиями федеральных государственных образовательных стандартов среднего профессионального образования и предназначен для изучения профессиональных модулей «Защита информации в информационно-телекоммуникационных системах и сетях с использованием программных и программно-аппаратных, в том числе криптографических средств защиты» и «Защита информации в автоматизированных системах программными и программно-аппаратными средствами». Содержание учебника включает в себя аксиоматику теории информации, а также такие фундаментальные понятия, как ...

Добавлено: 19 октября 2026 г.

A Reproducible Microscopy Acquisition Pipeline and Microscopy-Aware Attention for Classification, Detection, and Segmentation of Microorganisms

Aleksei Samarin, Назаренко А. А., Nazarenko D. и др., Machine Learning and Knowledge Extraction 2026 Vol. 8 No. 10 Article 330

Добавлено: 14 октября 2026 г.

Automated Ranking of Soybean Plots from Close-Range RGB Video via Depth Filtering and Point-Based Counting

Groshev Maksim, Rybakov Petr, Teterin N. и др., Sensors 2026 Article 6171

Добавлено: 7 октября 2026 г.

Optimization of List-Based Reed-Solomon Decoding via Deep Learning

Портной С. Л., Ефремов А. М., Voloshin A., , in: 2026 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO).: Petrozavodsk: IEEE, 2026. P. 1–4.

Добавлено: 1 октября 2026 г.

A Model Based on Universal Filters for Image Color Correction

Aleksei Samarin, Назаренко А. А., Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854