?
Pollen grains recognition using structural approach and neural networks
International Journal "Information Models and Analyses". 2015. Vol. 4. No. 3. P. 243–258.
Khanzhina N., Zamyatina E.
Приоритетные направления:
компьютерно-математическое
Язык:
английский
Shchuka I., Miftakhov S., Patrushev V. и др., , in: 2020 International Conference Engineering and Telecommunication (En&T).: IEEE, 2020. P. 1–5.
Добавлено: 14 июня 2026 г.
Добавлено: 19 мая 2026 г.
Добавлено: 28 апреля 2026 г.
Добавлено: 20 апреля 2026 г.
Gabdullin N., Андросов И. А., / Series Computer Science "arxiv.org". 2026.
Добавлено: 2 апреля 2026 г.
Сорокин К. С., Бекетов М. Е., Онучин А. и др., / arxiv.org. Серия cs.SI "Social and Information Networks ". 2025.
Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...
Добавлено: 15 января 2026 г.
Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.
Добавлено: 24 декабря 2025 г.
Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset
Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.
Добавлено: 1 декабря 2025 г.
Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.
Добавлено: 9 ноября 2025 г.
Tsybina Y., Kastalskiy I., Krivonosov M. и др., Neural Computing and Applications 2023 Vol. 34 No. 11 P. 9147 –9160
Добавлено: 9 апреля 2025 г.
Машинные методы анализа изображений набирают всё большую популярность в самых различных сферах жизни. Однако остается открытым вопрос, насколько эффективна работа таких алгоритмов на данных низкого качества, например, таких, какие могут использоваться в сфере телемедицины. В работе проведен сравнительный анализ различных подходов к детекции объектов на фотографиях МРТ-снимков головного мозга, сделанных с экрана компьютера. Для распознавания ...
Добавлено: 9 августа 2024 г.
Савченко А. В., Белова Н. С., Expert Systems with Applications 2022 Vol. 207 Article 117885
Добавлено: 29 июня 2022 г.
Савченко А. В., Записки научных семинаров ПОМИ РАН 2021 Т. 499 С. 267–283
В статье рассматриваются быстрые алгоритмы распознавания изображений, основанные на статистическом последовательном анализе. Исследованы метода с последовательной обработкой главных компонент векторов признаков изображений, а также с ранним остановом при прямом проходе в сверточной нейронной сети. Особое внимание уделено последовательному обучению нейросетевых моделей для одновременной классификации нескольких атрибутов (пол, возраст, раса) по фотографии лица. Подчеркнуто, что такие ...
Добавлено: 27 января 2021 г.
Савченко А. В., , in: Proceedings of International Joint Conference on Neural Networks 2020 (IJCNN 2020).: Piscataway: IEEE, 2020. P. 1–8.
Добавлено: 15 октября 2020 г.
Савченко А. В., IEEE Transactions on Neural Networks and Learning Systems 2020 Vol. 31 No. 2 P. 651–660
Добавлено: 1 ноября 2019 г.
Чумаков И. Г., Комаров М. М., , in: Workshops and work-in-progress contributions at S-BPM One 2018Vol. 2074.: CEUR Workshop Proceedings, 2018. Ch. 5 P. 71–78.
Добавлено: 3 мая 2018 г.
A. G. Rassadin, A. V. Savchenko, , in: Proceedings of the III International Conference on Information Technologies and Nanotechnologies (ITNT).: Самара: Новая техника, 2017. P. 649–654.
Добавлено: 8 сентября 2017 г.
Замятина Елена Борисовна, Ханжина Н. Е., В кн.: Высокопроизводительные вычисления на графических процессорах: материалы III Всерос. науч.-практ. конф. с междунар. участием с элементами науч. шк. для молодежи (ВВГП–2016).: Пермь: Пермский государственный национальный исследовательский университет, 2016. С. 70–81.
В работе описывается проблема автоматизации распознавания изображений пыльцевых зерен, полученных с помощью оптического микроскопа. Автоматизация распознавания пыльцы является актуальной в таких задачах, как анализ качества меда с целью выявления фальсификата, проверка качества воздуха для предупреждения аллергиков и астматиков, палеопалинология, судебная палинология. Описывается метод решения проблемы, основанный на машинном обучении и применении технологии CUDA. Описывается алгоритм ...
Добавлено: 12 марта 2017 г.
Романов А. Ю., Американов А. А., Лежнев Е. В. и др., Прикладная радиоэлектроника 2016 Т. 15 № 2 С. 123–126
Представлено описание разработки роботизированной платформы для помещений. Универсальность платформы дает возможность ее применения в различных областях человеческой жизнедеятельности, как при дистанционном управлении, так и в автономном режиме. Описаны этапы создания роботизированной платформы, приведены ее характеристики и представлены результаты ее работы. ...
Добавлено: 7 октября 2016 г.