Learning and Intelligent Optimization. 8th International Conference, Lion 8, Gainesville, FL, USA, February 16-21, 2014. Revised Selected Papers. Val. 8426.

?

Learning and Intelligent Optimization. 8th International Conference, Lion 8, Gainesville, FL, USA, February 16-21, 2014. Revised Selected Papers

Vol. 8426. Springer, 2014.

Под общей редакцией: Пардалос П. О., M. G. Resende, C. Vogiatzis, J. L. Walteros

This book constitutes the thoroughly refereed post-conference proceedings of the 8th International Conference on Learning and Optimization, LION 8, which was held in Gainesville, FL, USA, in February 2014. The 33 contributions presented were carefully reviewed and selected for inclusion in this book. A large variety of topics are covered, such as algorithm configuration; multiobjective optimization; metaheuristics; graphs and networks; logistics and transportation; and biomedical applications.

The Theory of Set Tolerances

Jäger G., Гольденгорин Б. И., Пардалос П. О., , in: Learning and Intelligent Optimization. 8th International Conference, Lion 8, Gainesville, FL, USA, February 16-21, 2014. Revised Selected PapersVol. 8426.: Springer, 2014. P. 362–377.

The theory of single upper and lower tolerances for combinatorial minimization problems has been formalized in 2005 for the three types of cost functions sum, product and maximum, and since then shown to be rather useful in creating heuristics and exact algorithms for the Traveling Salesman Problem and related problems. In this paper for these ...

Добавлено: 26 октября 2014 г.

Robust Support Vector Machines with Polyhedral Uncertainty of the Input Data

Fan N., Sadeghi E., Пардалос П. О., , in: Learning and Intelligent Optimization. 8th International Conference, Lion 8, Gainesville, FL, USA, February 16-21, 2014. Revised Selected PapersVol. 8426.: Springer, 2014. P. 291–305.

In this paper, we use robust optimization models to formulate the support vector machines (SVMs) with polyhedral uncertainties of the input data points. The formulations in our models are nonlinear and we use Lagrange multipliers to give the first-order optimality conditions and reformulation methods to solve these problems. In addition, we have proposed the models ...

Добавлено: 26 октября 2014 г.

Язык: английский

Текст на другом сайте

Ключевые слова: Decision analysis machine learning dynamic programming combinatorial algorithms SAT solving artificial intelligence constraints feature selection

Learning and Intelligent Optimization. 8th International Conference, Lion 8, Gainesville, FL, USA, February 16-21, 2014. Revised Selected Papers

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.

Parameterization and calibration of wild blueberry machine learning models to predict fruit-set in the northeast china bog blueberry agroecosystem

Qu H., Xiang R., Obsie E. Y. и др., Agronomy 2021

Добавлено: 22 октября 2026 г.

Interpretability of Neural-Network Models for the Synthesis and Analysis of Microstrip Microwave Filters: Application of SHAP and LIME

Suslova A., Жидкова П. А., Arinin O. и др., , in: 2026 Systems of Signal Synchronization, Generating and Processing in Telecommunications, SYNCHROINFO 2026 (IEEE Conference # 70145), 30 June – 03 July, 2026.: IEEE Circuits and Systems Society, 2026. P. 1–4.

Добавлено: 3 октября 2026 г.

The Global Good. The Future of Culture, Creation, and Author

M.: UNESCO Chair on Copyright, Neighbouring, Cultural and Information Rights (HSE University), 2026.

Сборник студенческих работ на английском языке, подготовленных в ходе профессиональной практики на Кафедре ЮНЕСКО по авторскому праву, смежным, культурным и информационным правам НИУ ВШЭ под руководством М. М. Катковой. Работы в формате небольших обзорных научных статей (Think pieces UNESCO) посвящены будущему культуры, творчества и авторства в эпоху цифровых технологий и искусственного интеллекта. Тема сборника отсылает ...

Добавлено: 28 сентября 2026 г.

Scalable machine learning approach to disordered 𝑠-wave superconductors

Vyacheslav D. Neverov, Lukyanov A., Andrey V. Krasavin и др., Physical Review B: Condensed Matter and Materials Physics 2026 Vol. 113 No. 2 Article 024515

Добавлено: 5 сентября 2026 г.

Искусственный интеллект и этика будущего

Медушевский А. Н., Liberal.ru 2026

Вклад новых технологий сегодня, более чем когда-либо в прошлом, определяет условия существования человечества как биологического вида, заставляя обсуждать перспективы его выживания. Процесс трансформации, охвативший все области социального и морального регулирования – от семейных отношений и воспитания до понимания смысла жизни, — раскалывает общественное сознание на противников и сторонников новых этических, социальных и правовых норм. Ключевой ...

Добавлено: 26 августа 2026 г.

Mathematical methods of reinforcement learning

Беломестный Д. В., Гасников А. В., Гладин Е. Л. и др., Russian Mathematical Surveys 2026 Vol. 81 No. 4(490) P. 3–90

Добавлено: 3 августа 2026 г.

The Evolution Of Law Concept Of Information: From Philosophical Abstraction To Quantum Information And Cryptography In The Context Of Growing Cyber Threats And The Transition To Post-Quantum Security Method

Polyakov S., Smeshkova L., Лапин В. О. и др., Veredas do Direito 2026 Vol. 23 No. 11 Article 237531

Добавлено: 27 июля 2026 г.

Can Humor Reveal Dark Personalities? Machine-Learning Detection of the Dark Tetrad

Глинкина Л. С., Доптан Э. С., Косоногов В. В., Journal of Individual Differences 2026 No. 47(3) P. 132–143

Добавлено: 8 июля 2026 г.

The Use of the Missing Sample Simulation Modeling to Create a Classification Model for Three or More Classes by the Example of the Carbohydrate Metabolism Disorder Degree Detection Problem

Новиков Р. С., Novopashin M., Позин Б. А., Programming and Computer Software 2026 Vol. 52 No. 1 P. 28 – 38

Добавлено: 26 июня 2026 г.

Mapping the research on artificial intelligence in corporate learning: a bibliometric analysis

Асемота М. О., Learning Organization 2026 Vol. 33 No. 5 P. 730–752

Добавлено: 8 июня 2026 г.

Социально-психологические факторы доверия искусственному интеллекту: состояние исследований

Самойлов О. М., Татарко А. Н., Вопросы теоретической экономики 2026 № 2 С. 209–228

В статье представлен теоретический обзор литературы за последние десять лет, посвящённой анализу социально-психологических факторов доверия искусственному интеллекту. Повсеместное внедрение автоматизированных ИИ-систем, связанное с ожидаемым экономическим ростом, снижением ресурсных затрат и оптимизацией ряда рабочих процессов, на практике зачастую сталкивается с недоверием пользователей к новым инструментам и отсутствием готовности трансформировать классические рабочие процессы. Совокупность факторов снижения доверия ...

Добавлено: 21 мая 2026 г.

Правовой режим объектов, созданных искусственным интеллектом: обзор зарубежной практики

Кирсанова Е. Е., Пакшин П. К., Право и экономика 2026 № 3 (456) С. 26–34

В статье рассматривается вопрос правового режима интеллектуальной собственности, созданной искусственным интеллектом. Изменения существующей правовой базы в сторону признания искусственного интеллекта субъектом права нарушат обоснование и фундаментальные принципы системы интеллектуальных прав. В статье представлен обзор разных взглядов на обоснование предоставления авторских прав на созданные искусственным интеллектом произведения. Автор отмечает, что в некоторых юрисдикциях авторские права таким ...

Добавлено: 28 апреля 2026 г.

Intelligent Interfaces and Systems for Human-Computer Interaction

Karpov A., Двойникова А. А., Ryumina E., , in: Lecture Notes in Networks and SystemsVol. 776.: Springer, 2023. P. 3–13.

Добавлено: 25 апреля 2026 г.

Machine Learning Approach to Anticancer Activity Prediction of Transition-Metal Complexes Based on a Large-Scale Experimental Database

Krasnov L., Malikov D., Kiseleva M. и др., Journal of Medicinal Chemistry 2026 Vol. 69 No. 8 P. 8838–8851

Добавлено: 23 апреля 2026 г.

Особые экономические зоны Российской Федерации: моделирование решений потенциальных резидентов и процесса их генерации

Плесовских А. Е., Journal of Applied Economic Research 2023 Т. 22 № 2 С. 323–354

В современных исследованиях широко обсуждается роль особых экономических зон в стимулировании экономического роста и развития России, формировании необходимых инвестиционных потоков и повышении инновационного потенциала страны за счет расширения производства продукции в высокотехнологичных отраслях экономики с высокой добавленной стоимостью. Цель исследования – моделирование процесса генерации резидентов и детерминация количественных факторов, оказывающих статистически значимый эффект на среднегодовой ...

Добавлено: 13 апреля 2026 г.

Replacing Criterion of Creativity with Criterion of Investment for Results Created by Artificial Intelligence

Пакшин П. К., Legal Issues in the Digital Age 2026 Vol. 7 No. 1 P. 32–48

Искусственный интеллект выполняет значимую функцию в процессе автоматизации, минимизируя операционное участие человека в таких сферах, как медицина, искусство и юриспруденция. Несмотря на исторически тесную взаимосвязь искусства и технологий, именно генеративный искусственный интеллект расширил потенциал для творческой деятельности. Существенным катализатором этого процесса стало распространение предобученных систем искусственного интеллекта, интенсифицировавших развитие технологий в области обработки естественного языка ...

Добавлено: 31 марта 2026 г.

A Tool for Mass Generation of Random Step Environment Models with User-Defined Landscape Features

Gabdrahmanov R., Tsoy T., Martinez-Garcia E. и др., , in: Proceedings of the 21st International Conference on Informatics in Control, Automation and Robotics - (Volume 1) ICINCO 2024.: SciTePress, 2024. P. 511–518.

Добавлено: 17 марта 2026 г.

Real-Bogus Classification for ZTF Data Releases: Two Approaches

Semenikhin T., Корнилов М. В., Pruzhinskaya M. и др., , in: 26th International Conference, DAMDID/RCDL 2024, Nizhny Novgorod, Russia, October 23–25, 2024, Revised Selected Papers. Data Analytics and Management in Data Intensive Domains. (CCIS, volume 2641).: Springer, 2026. P. 211–219.

Добавлено: 11 марта 2026 г.