?
Instrumental Means for the Control and Analysis of Gas Mixtures Based on the Use of Artificial Neural Networks
P. 734–738.
Ivanov A., Кулагин В. П., Каперко А. Ф., Кузнецов Ю. М., Оболяева Н. М., Чулкова Г. М., Yurin A., Shustrov A.
Научный редактор перевода: S. Shaposhnikov
Язык:
английский
В книге
St. Petersburg: IEEE, 2017.
Кузьминых И. О., Кузин А. Ю., Флоря И. Н. и др., Нано- и микросистемная техника 2025 Т. 27 № 4 С. 184–194
В работе рассмотрены основные варианты детектирования водорода, а также приведены требования, которые предъявляются к сенсорам водорода. Проанализированы преимущества и недостатки существующих решений по детектированию водорода и проведен сравнительный анализ основных метрик коммерчески доступных сенсоров водорода. Было установлено, что оптические сенсоры преодолевают основную проблему существующих сенсоров – использование электрического тока в чувствительной зоне сенсоров. Данная обзорная ...
Добавлено: 30 апреля 2025 г.
Кочкаров А. А., Яцкин Д. В., Программные продукты и системы 2016 № 3 С. 60–66
Рассмотрена задача мониторинга пространства, осуществляется переход к задаче обнаружения, а затем – к задаче геометрического расположения сенсоров. Предлагается использовать децентрализованную сеть сенсоров для решения поставленной задачи. Устанавливаются отграничения и допущения, приводящие к задаче покрытия пространства. Проводится дискретизация задачи, обосновывается ее необходимость. Задача подробно рассматривается с математической точки зрения, разрабатывается алгоритм ее решения, оценивается его сложность. ...
Добавлено: 7 марта 2025 г.
Яцкин Д. В., Кочкаров А. А., Наукоемкие технологии 2016 Т. 17 № 9 С. 20–29
Описывается интерпретация задачи мониторинга пространства как задачи обнаружения целевого объекта в пределах некоторой области. Рассматриваются подзадачи, комплексное решение которых гарантирует решение исходной задачи. Формулируется задача поиска геометрического положения сенсоров. Задача приводится к дискретному виду, описываются алгоритмы ее решения в общем и в частном случае. На основании разработанных алгоритмов строится программная модель, которая находит и визуализирует ...
Добавлено: 7 марта 2025 г.
Cohen Y., Dekel B., Крук Е. А., , in: Biophysical Methods for Diagnosing Human Tissue Anomalies.: Cambridge: Cambridge Scholars Publishing, 2024. Ch. 10 P. 290–310.
Добавлено: 12 декабря 2024 г.
Pavel V. Kuptsov, Nataliya V. Stankevich, Chaos, Solitons and Fractals 2025 Vol. 191 Article 115818
This paper examines the reconstruction of a family of dynamical systems with neuromorphic behavior using a single scalar time series. A model of a physiological neuron based on the Hodgkin–Huxley formalism is considered. Single time series of one of its variables is shown to be enough to train a neural network that can operate as ...
Добавлено: 30 ноября 2024 г.
Ясницкий Л. Н., Мезенцев А. С., Прикладная математика и вопросы управления 2023 № 3 С. 109–126
Целью работы является создание математической модели, пригодной для оперативного управления прочностными характеристиками получаемого стального изделия
в условиях серийного сталеплавильного производства. Существующие подходы, основанные на результатах испытаний опытных образцов, получаемых в лабораторных
условиях, для этой цели не подходят, поскольку в условиях серийного сталеплавильного производства на прочностные характеристики изделий, помимо их химического
состава, влияет структура металла и множество других условий ...
Добавлено: 7 февраля 2024 г.
Meshcheryakov R., Kataev M., Пантюхин Д. В., , in: Integral Robot Technologies and Speech Behavior.: Newcastle upon Tyne: Cambridge Scholars Publishing, 2024. Ch. 4 P. 130–154.
Добавлено: 10 декабря 2023 г.
Харламов А. А., Пантюхин Д. В., Borisov V. и др., Newcastle upon Tyne: Cambridge Scholars Publishing, 2024.
Добавлено: 1 декабря 2023 г.
Shahzad U., Mohammed K. S., Schneider N. и др., Technological Forecasting and Social Change 2023 Vol. 192 P. 1–15
With the recent Russian-Ukraine conflict, the frequency and intensity of disruptive shocks on major supply chains have risen, causing increasing food and energy security concerns for regulators. That is, the combination of newly available sophisticated deep learning tools with real-time series data may represent a fruitful policy direction because machines can identify patterns without being ...
Добавлено: 28 ноября 2023 г.
Maksim S. Akatov, Aleksandr L. Tuv, Sultan A. Lenvu и др., , in: 2022 International Conference on Quality Management, Transport and Information Security, Information Technologies (IT&QM&IS).: St. Petersburg: IEEE, 2022. Ch. 6 P. 207–212.
Добавлено: 2 октября 2023 г.
Comment on “Pushing the frontiers of density functionals by solving the fractional electron problem”
Gerasimov I., Losev T., Evgeny Yu. Epifanov и др., Science 2022 Vol. 377 No. 6606 Article eabq3385
Kirkpatrick et al. (Reports, 9 December 2021, p. 1385) trained a neural network–based DFT functional, DM21, on fractional-charge (FC) and fractional-spin (FS) systems, and they claim that it has outstanding accuracy for chemical systems exhibiting strong correlation. Here, we show that the ability of DM21 to generalize the behavior of such systems does not follow ...
Добавлено: 25 сентября 2022 г.
Добавлено: 2 ноября 2021 г.
Goldobin M. A., Morozov A. A., Okonechnikov D. V. и др., , in: Proceedings - 2020 2nd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency, SUMMA 2020.: IEEE, 2020. P. 696–700.
Добавлено: 29 сентября 2021 г.
Зунин В. В., , in: 2021 International Russian Automation Conference (RusAutoCon).: IEEE, 2021. P. 847–851.
Добавлено: 20 сентября 2021 г.
Solovyev R. A., Telpukhov D. V., Romanova I. I. и др., , in: Proceedings of the 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus 2021.: IEEE, 2021. P. 2029–2034.
Добавлено: 8 августа 2021 г.
Sakhnyuk P., , in: 1st International Conference on Innovative Informational and Engineering Technologies (IIET-2020) 28-29 May 2020, Stavropol, Russian FederationVol. 873.: Bristol: IOP Publishing, 2020. P. 012019-1–012019-8.
Предлагается интеграция нейронной сети в качестве параллельной элементной базы в телекоммуникационную систему. В этом случае умение учиться или адаптироваться к внешним условиям применяется как главное преимущество. Для телекоммуникационных систем в условиях, когда это возможно, эта возможность повысит помехозащищенность, надежность, работоспособность. В статье рассматривается пример интеграции нейронной сети в фильтр дискретных согласованных сигналов. Отмечено, что использование параллельных ...
Добавлено: 26 января 2021 г.
Gontcharenko V., Лунёв А. М., Taydakov I. и др., IEEE Sensors Journal 2019 Vol. 19 No. 17 P. 7365–7372
Добавлено: 1 ноября 2020 г.
Cohen Y., Zilberman A., Zion Dekel B. и др., , in: Intelligent Decision Technologies. Proceedings of the 12th KES International Conference on Intelligent Decision Technologies (KES-IDT 2020)Vol. 193.: Singapore: Springer, 2020. P. 141–153.
Добавлено: 29 октября 2020 г.
Khakhmovich A., Pavlova S., Kirillova K. и др., , in: Proceedings of The 12th Language Resources and Evaluation ConferenceVol. 12.: European Language Resources Association (ELRA), 2020. P. 4247–4255.
Добавлено: 9 октября 2020 г.