Machine Learning, Optimization, and Data Science. 4th International Conference, LOD 2018, Volterra, Italy, September 13-16, 2018, Revised Selected Papers

doi:10.1007/978-3-030-13709-0

Публикации

?

Machine Learning, Optimization, and Data Science. 4th International Conference, LOD 2018, Volterra, Italy, September 13-16, 2018, Revised Selected Papers

Хам : Springer, 2019.

Научный редактор: Nicosia G., P. Pardalos, G. Giuffrida, R. Umeton, V. Sciacca

Methods of Machine Learning for Censored Demand Prediction

Ожегов Е. М., Тетерина Д. В., , in: Machine Learning, Optimization, and Data Science. 4th International Conference, LOD 2018, Volterra, Italy, September 13-16, 2018, Revised Selected Papers.: Cham: Springer, 2019. P. 441–446.

Добавлено: 17 октября 2019 г.

Научное направление: Компьютерные науки

Приоритетные направления: компьютерно-математическое

Язык: английский

DOI

Текст на другом сайте

Ключевые слова: деревья решений метод опорных векторов neural networks machine learning decision trees нейросети Машинное обучение и анализ данных SVM boosting бустинг

Machine Learning, Optimization, and Data Science. 4th International Conference, LOD 2018, Volterra, Italy, September 13-16, 2018, Revised Selected Papers

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.

Вышелейские эпифании: концептуальная пересборка случайной этнографии

Рождественская Е. Ю., Абрамов Р. Н., Журнал социологии и социальной антропологии 2026 Т. 29 № 3 С. 244–274

Статья представляет экспериментальное исследование на стыке социальной антропологии и качественной социологии. Авторы ставят перед собой основную цель — развить и концептуально пересобрать подходы «случайной этнографии» и «этнографии второго порядка», рассматривая краткие биографические тексты как источник по социальной истории женского труда в XX веке и как локальный перформанс памяти. Методология сочетает ретроспективное осмысление непреднамеренного полевого опыта, ...

Добавлено: 7 октября 2026 г.

Новые информационные технологии в исследовании сложных структур. Материалы шестнадцатой международной конференции 21–25 Сентября 2026 г.

Томск: Издательство Томского государственного университета, 2026.

Материалы сборника Шестнадцатой Международной конференции «Новые информационные технологии в исследовании сложных структур» (Москва, 21–25 сентября 2026 г.) ориентированы на широкий круг специалистов, работающих на стыке теории информации, системного анализа и прикладных предметных областей. В издание вошли результаты исследований, посвящённые моделированию дискретных и стохастических структур управления и связи, разработке высокопроизводительных вычислительных и телекоммуникационных систем, а также вопросам цифровой трансформации образования, архитектурно-градостроительного проектирования, экологического ...

Добавлено: 6 октября 2026 г.

Оптимизация энергопотребления предприятия с использованием методов многокритериальной оптимизации

Серебренников Д. А., Белов А. В., Информационные технологии и вычислительные системы 2026 № 3 С. 157–169

В условиях роста стоимости энергоресурсов и необходимости повышения энергоэффективности производственных процессов особую актуальность приобретает задача оптимизации энергопотребления промышленных предприятий. В данной работе рассматривается подход к управлению энергозатратами машиностроительного предприятия на основе методов многокритериальной оптимизации. Постановка задачи включает несколько целевых функций: минимизацию энергопотребления, минимизацию стоимости электроэнергии с учётом тарифных ограничений и максимизацию производственной эффективности. Для решения ...

Добавлено: 5 октября 2026 г.

On Practical Aspects of Constructing Quasi-Cyclic Subfield Subcodes of Dual Elliptic Codes and Their Application in McEliece-type Cryptosystems

Кунинец А. А., IEEE Transactions on Information Theory 2026 P. 1–1

Добавлено: 3 октября 2026 г.

Инкрементальный метод обновления многомерного куба по неупорядоченному потоку событий журналов информационных систем

Зыков С. В., Уфимцев Г. А., Моделирование, оптимизация и информационные технологии 2026 Т. 14 № 8 С. 1–13

Информационные системы формируют большие объёмы событийных журналов, которые используются для анализа работы приложений и сервисов. При этом события могут поступать в аналитический контур позже момента их фактического возникновения и не в исходном порядке. Такая рассинхронизация приводит к ошибкам при построении агрегированных временных показателей, а регулярный полный пересчёт многомерного аналитического куба требует значительных вычислительных затрат. Целью ...

Добавлено: 2 октября 2026 г.

Polarization of opinions in the group: a modeling algorithm considering the dynamics of social bonds

Chebotarev V., Andreyuk D., Elizarova Anastasiya и др., Procedia Computer Science 2022 Vol. 213 No. C P. 596–601

Добавлено: 2 октября 2026 г.

Enhancing Boundary Stability in Decision Trees and Random Forests: A Weighted Sample Duplication Approach

Konstantinov A., Elizarova Anastasiya P., Utkin L., Computing, Telecommunications and Control 2026 Vol. 19 No. 1 P. 16–25

Деревья решений и их ансамблевые расширения, такие как случайные леса, широко используются в качестве моделей классификации благодаря своей простоте и интерпретируемости. Однако во многих реальных задачах, где метки классов перекрываются в пространстве признаков, стандартные деревья решений полагаются на жесткие разбиения, которые создают слабые границы принятия решений. В этих областях небольшие возмущения входных значений могут привести ...

Добавлено: 2 октября 2026 г.

Bayesian Adaptive Sparse Copula

Prokhorov A., Burda M., Journal of Computational and Graphical Statistics 2026 P. 1–13

Добавлено: 2 октября 2026 г.

Pericyte-derived cancer-associated fibroblasts correlate with poor survival and are enriched after chemoradiotherapy in glioblastoma

Aly Ismailov, Попцова М. С., Plos One 2026 Vol. 21 No. 9 Article e0355902

Добавлено: 2 октября 2026 г.

Консервативные энтропийно и энергетически корректные разностные методы для одномерных квазигазодинамических систем уравнений

Злотник А. А., Математические заметки 2026 Т. 120 № 6 С. 1005–1009

Численным методам решения систем газодинамических уравнений посвящена обширная литература. Ранее было разработано и успешно апробировано специальное семейство симметричных по пространству консервативных разностных методов, основанных на предварительной кинетической, точнее, квазигазодинамической (КГД), регуляризации этих уравнений. Актуальной задачей является построение численных методов, которые обладают не только свойством консервативности по массе, импульсу и полной энергии, но и удовлетворяют условиям энтропийной ...

Добавлено: 1 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.

Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026)

International Joint Conferences on Artificial Intelligence, 2026.

Добавлено: 1 октября 2026 г.

Ensemble-based Prototype-Augmented Multimodal Fusion for Ambivalence/Hesitancy Recognition

Рюмина Е. В., Аксёнов А. А., Сысоев Д. С. и др., IEEE Computer Society, 2026.

Добавлено: 30 сентября 2026 г.

Decoding Algorithms for Binary U-UV Codes: A Unified Survey of Performance and Complexity

Иванов Ф. И., Котов Ф. И., IEEE Access 2026 Vol. 14 P. 104662–104679

Добавлено: 30 сентября 2026 г.

The EG-TD3 Machine Learning Architecture: Evolutionary-Guided Twin Delayed Deep Deterministic Policy Gradient

Джамбонг Тенке Х., Institute for System Programming of the RAS, 2026.

Добавлено: 29 сентября 2026 г.

Нижние множества и свойства замкнутости классов функций подсчета

Иванашев Я. М., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2026 Т. 529 С. 93–101

Язык L является нижним для релятивизируемого сложностного класса C, если CL=C. Для классов #P, GapP и SpanP известны точные нижние классы языков: Low(#P) = UP ∩ coUP, Low(GapP) = SPP и Low(SpanP) = NP ∩ coNP. В этой статье мы доказываем, что Low(TotP) = P, и приводим характеризации нижних классов функций для #P, GapP, TotP ...

Добавлено: 28 сентября 2026 г.

Role of dislocations in the mobility of pinned helium bubbles: Molecular dynamics simulations in aluminum

Piliugin L., Antropov A., Lobashev E. и др., Journal of Nuclear Materials 2026 Vol. 632 Article 156876

Добавлено: 28 сентября 2026 г.

MPI+OpenMP implementation of resolution-of-the-identity Hartree-Fock method exploiting permutational symmetry of three-center electron repulsion integrals

Kashpurovich I., Oleynichenko A., Стегайлов В. В., Supercomputing Frontiers and Innovations 2026 Vol. 13 No. 1 P. 52–73

Добавлено: 28 сентября 2026 г.

A Three-Party W-State Quantum Secret Sharing Protocol with X-Gate Encoding and Forbidden-Outcome Detection

Терегулов Т. Р., Лубенец Е. Р., / Series Quantum Physics "arXiv". 2026. No. 2609.31472.

Добавлено: 28 сентября 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

Добавлено: 21 сентября 2026 г.

Filter-Based Preprocessing Neural Network Model for Microorganism Detection Improvement

Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., , in: Pattern Recognition. ICPR 2024 International Workshops and Challenges. Kolkata, India, December 1, 2024, Proceedings, Part III. LNCS, volume 15616.: Cham: Springer, 2025. P. 308–320.

Добавлено: 21 сентября 2026 г.

Модель глубокого обучения для автоматизированной интерпретации медицинских электрофизиологических данных

Лебедев О. Б., Шмелева А. Г., Гежа Н. С., Информатика и автоматизация (Труды СПИИРАН) 2026 Т. 25 № 3 С. 720–750

Статья посвящена разработке нейросетевой модели для автоматизированного анализа медицинских данных в области электрофизиологии на основе методов глубокого обучения. Актуальность работы обусловлена растущей потребностью в повышении объективности, скорости и точности обработки сложных пространственно-временных сигналов, таких как ЭКГ или ЭЭГ. В качестве инструмента анализа были использованы сверточные нейронные сети (CNN), позволяющие извлекать пространственные особенности, и временные сверточные ...

Добавлено: 10 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.