?
Intel OpenVINO Toolkit for Computer Vision: Object Detection and Semantic Segmentation
P. 847–851.
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.
Зунин В. В., Романов А. Ю., Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС) 2021 № 2 С. 83–90
В работе проводится обзор современного состояния реализации нейронных сетей, их способов выполнения, а также инструментария Intel® OpenVINO™ Toolkit для выполнения нейронных сетей на различных аппаратных платформах компании Intel (CPU, GPU, Neural Compute Stick 2). Описан выбор различных генеративно-состязательных нейронных сетей и наборах данных для их тестирования, а также дано описание эксперимента на аппаратной платформе. Дается ...
Добавлено: 15 февраля 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.
Демидовский А. В., Savina T., Suvorov A. и др., , in: Proceedings of Seventh International Congress on Information and Communication Technology. ICICT 2022, London, Volume 2Vol. 2.: Springer, 2022. P. 785–794.
Добавлено: 11 августа 2022 г.
Демидовский А. В., Tugaryov A., Fatekhov M. и др., , in: 2021 International Conference on Engineering and Emerging Technologies (ICEET).: United States of America: IEEE, 2021. P. 546–551.
Добавлено: 11 января 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.
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.
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.
Ясницкий Л. Н., Нейрокомпьютеры: разработка, применение 2019 Т. 21 № 1 С. 6–8
На основании анализа литературных источников показано, что автором первого алгоритма обучения многослойных нейронных сетей, выведших искусственный интеллект из кризиса 1950-х - 1970-х годов, был профессор Александр Иванович Галушкин. ...
Добавлено: 15 ноября 2019 г.