Data organization in video surveillance systems using deep learning

A.D. Sokolova; A.V. Savchenko

Публикации

?

Data organization in video surveillance systems using deep learning

P. 243–250.

A.D. Sokolova, A.V. Savchenko

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: clustering deep learning convolutional neural networks face verification

В книге

CEUR Workshop Proceedings

Vol. 2210: Proceedings of the International Conference Information Technology and Nanotechnology. Session Image Processing and Earth Remote Sensing . , [б.и.], 2018.

Method of Critical Set construction for Successive Cancellation List Decoder of Polar Codes Based on Deep Learning of Neural Networks

Котов Ф. И., Тимохин И. С., Иванов Ф. И., , in: 2023 XVIII International Symposium Problems of Redundancy in Information and Control Systems (REDUNDANCY).: IEEE, 2023.

The Successive Cancellation List (SCL) algorithm is a widely used decoding technique in communication systems. However, constructing the critical set for SCL decoding is a challenging task, as it requires a large number of computations and can lead to significant decoding delays. In this paper, a new approach to critical set construction for SCL decoding ...

Добавлено: 26 января 2026 г.

Flexible Stock Market Algorithm

Рубчинский А. А., Чубарова Д. А., Technology and Investment 2025 Vol. 16 No. 4 P. 211–240

В статье рассматривается один из наиболее известных примеров социально-экономических систем, характеризующихся значительной неопределенностью, — фондовый рынок S&P-500, на котором торгуются акции 500 крупнейших компаний США. Разработан гибкий алгоритм ежедневной торговли. Он основан на известных фиксированных данных о стоимости акций в предыдущие дни, а также на некоторых ранее рассчитанных значениях. Каждый день выбирается один из двух алгоритмов для завтрашней торговли, ...

Добавлено: 19 декабря 2025 г.

Ансамбль современных моделей компьютерного зрения для задачи обнаружения дипфейков

Пикуль А. С., Безопасность информационных технологий 2024 Т. 31 № 4 С. 116–127

Исследуется возможность применения современных архитектур компьютерного зрения для задачи обнаружения дипфейков. Рассматриваются следующие архитектуры: EfficientNet, Vision Transformer (ViT), VisionLSTM (ViL), VisionKAN и Mamba Vision. Новизна подхода заключается в применении и сравнении работы данных архитектур, а также в их объединении в парные ансамбли для повышения точности детекции дипфейков. В работе проведен эксперимент, основанный на применении нескольких ...

Добавлено: 12 декабря 2025 г.

Recognition of Mentally Pronounced Russian Phonemes Using Convolutional Neural Networks and Electroencephalography Data

Seleznev L. E., Chupakhin A. A., Kostenko V. A. и др., Optical Memory and Neural Networks (Information Optics) 2023 Vol. 32 No. 2 P. 73–85

Добавлено: 2 октября 2025 г.

Convolutional Neural Networks Decode Finger Movements in Motor Sequence Learning from MEG Data

Zabolotniy A., Chan R. W., Моисеева В. В. и др., Frontiers in Neuroscience 2025 Vol. 19 Article 1623380

Добавлено: 2 октября 2025 г.

Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions: 34th International Conference on Artificial Neural Networks, Kaunas, Lithuania, September 9–12, 2025, Proceedings, Part V

Cham: Springer, 2025.

Добавлено: 29 сентября 2025 г.

Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification

Башкатов А. Б., Andreasyan A., Коновалов Д. Л. и др., Scientific Reports 2025 Vol. 15 Article 23119

G-quadruplexes (GQs) are non-canonical DNA structures encoded by G-flipons with potential roles in gene regulation and chromatin structure. Here, we explore the role of G-flipons in tissue specification. We present a deep learning-based framework for the genome-wide G-flipon predictions across 14 human tissue types. The model was trained using high-confidence experimental maps of GQ-forming sequences ...

Добавлено: 8 августа 2025 г.

AI in drug development: advances in response, combination therapy, repositioning, and molecular design

Шайтан А. К., Science China Information Sciences 2025 Vol. 68 No. 7 Article 170102

Добавлено: 25 июня 2025 г.

An Approach to Finding a Robust Deep Learning Model

Болдырев А. С., Ратников Ф. Д., Шевелев А. А., IEEE Access 2025 Vol. 13 P. 102390–102406

Добавлено: 15 июня 2025 г.

Экономические и социальные аспекты атомной энергетики в условиях развития технологий искусственного интеллекта

Подчуфаров А. Ю., Галкина А. Н., Ванина С. С. и др., Экономика и управление: проблемы, решения 2025 Т. 5 № 4 С. 61–74

В современных условиях внедрение технологий искусственного интеллекта становится значимым фактором развития высокотехнологичных отраслей промышленности. В статье представлены результаты исследования перспектив применения интеллектуальных аналитических систем в атомной энергетике. Проанализирован опыт зарубежных стран и выявлены особенности успешных проектов с использованием искусственного интеллекта в данной области. Обоснованы рекомендации по развитию технических и социальных компетенций в отечественной атомной и ...

Добавлено: 5 июня 2025 г.

Deep learning for customs classification of goods based on their textual descriptions analysis

Рыжова А. А., Sochenkov I., , in: Proceeding 2019 Ivannikov Ispras Open Conference (ISPRAS).: IEEE Computer Society, 2019. P. 60–67.

Добавлено: 1 мая 2025 г.

Distilling Normalizing Flows

Walton S., Klyukin V., Artemev M. и др., , in: 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW).: IEEE, 2025. P. 3328–3337.

Добавлено: 1 апреля 2025 г.

2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

Деркач Д. А., Артемьев М. Р., IEEE, 2025.

Добавлено: 1 апреля 2025 г.

Deep learning captures the effect of epistasis in multifactorial diseases

Перелыгин В. Р., Kamelin A., Syzrantsev N. и др., Frontiers in Medicine 2025 Vol. 11 Article 1479717

Добавлено: 4 марта 2025 г.

Tunnel Clustering Method

F. T. Aleskerov, A. L. Myachin, V. I. Yakuba, Doklady Mathematics 2024 Vol. 110 No. 3 P. 474–479

Добавлено: 3 марта 2025 г.

TabReD: Analyzing Pitfalls and Filling the Gaps in Tabular Deep Learning Benchmarks

Ivan Rubachev, Nikolay Kartashev, Gorishniy Y. и др., , in: Proceedings of the 13th International Conference on Learning Representations (ICLR 2025).: ICLR, 2025. P. 53831–53867.

Добавлено: 1 марта 2025 г.

Использование Z-чисел для описания набора данных

Гусейнов О., Дегтярев К. Ю., IRETC MTÜ PAHTEI - Proceedings of Azerbaijan High Technical Educational Institutions 2025 Т. 48 № 1 С. 360–370

Понятие Z-числа было предложено проф. Л. Заде для описания частичной надежности информации и представляет собой своего рода «смесь» нечеткости и вероятностной неопределенности. Суть этого понятия в том, что в ряде задач, в силу неопределенности информации необходимо рассматривать не одно распределение вероятностей, но набор, своего рода семейство распределений. Причиной может быть то, что истинное распределение точно ...

Добавлено: 20 февраля 2025 г.