Unsupervised learning of general-purpose embeddings for code changes

The application of machine learning algorithms in the intelligent diagnosis of three-phase engine has the potential to significantly enhance diagnostic performance and accuracy. Traditional methods largely rely on signature analysis, which, despite being a standard practice, can benefit from the integration of advanced machine learning techniques. In our study, we innovate by combining machine learning ...

Добавлено: 16 февраля 2026 г.

From Patterns to Predictions: A Shapelet-Based Framework for Directional Forecasting in Noisy Financial Markets

Kim J., Lee H., Jeon H. и др., , in: CIKM '25: Proceedings of the 34th ACM International Conference on Information and Knowledge Management.: ACM, 2025. P. 1344–1353.

Добавлено: 21 ноября 2025 г.

Leveraging Recursive Gumbel-Max Trick for Approximate Inference in Combinatorial Spaces

Kirill Struminsky, Artyom Gadetsky, Denis Rakitin и др., , in: Advances in Neural Information Processing Systems 34 (NeurIPS 2021).: Curran Associates, Inc., 2021. P. 10999–11011.

Добавлено: 14 марта 2022 г.

Formal Concept Analysis: 16th International Conference, ICFCA 2021, Strasbourg, France, June 29 – July 2, 2021, Proceedings

Springer, 2021.

Книга вклюает в себя работы 16ой международной конференции по Анализу формальных понятий. Книга поделена на 5 секций: теория, правила, методы и приложения, исследование и визуализация ...

Добавлено: 10 июля 2021 г.

A density-based statistical analysis of graph clustering algorithm performance

Miasnikof P., Shestopaloff A. Y., Bonner A. J. и др., Journal of Complex Networks 2020 Vol. 8 No. 3 P. 1–33

Добавлено: 4 августа 2020 г.

A Simple Method to Evaluate Support Size and Non-uniformity of a Decoder-Based Generative Model

Струминский К. А., Ветров Д. П., Lecture Notes in Computer Science 2019 Vol. 11832 P. 81–93

Добавлено: 23 апреля 2020 г.

Variational Autoencoder with Arbitrary Conditioning

Ветров Д. П., Ivanov O., , in: Proceedings of the 7th International Conference on Learning Representations (ICLR 2019).: ICLR, 2019. P. 1–25.

Добавлено: 13 марта 2020 г.

Towards Automatic Manipulation of Arbitrary Structures in Connectivist Paradigm with Tensor Product Variable Binding

Демидовский А. В., , in: Advances in Neural Computation, Machine Learning, and Cognitive Research III.: Springer, 2020. P. 375–383.

Добавлено: 27 октября 2019 г.

Использование метода главных компонент для анализа надежности цепей поставок

Кузнецов В. О., Логистика и управление цепями поставок 2018 № 4 (87) С. 27–33

Одним из вариантов более гибкого подхода к анализу надежности цепей поставок нам представляется метод главных компонент (PCA). Учитывая большое количество переменных, описывающих цепь поставок, является сложной задачей - проанализировать в двумерном пространстве структуру переменных. Метод PCA позволяет перейти, в рамках анализа зависимостей переменных, от многомерного пространства к маломерному, оставляя для анализа саму полезную информацию, находящуюся ...

Добавлено: 29 ноября 2018 г.

Mining convex polygon patterns with formal Concept Analysis

Belfodil A., Кузнецов С. О., Robardet C. и др., , in: Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence, IJCAI 2017,Melbourne, Australia, 19-25 August 2017.: Melbourne: International Joint Conferences on Artificial Intelligence, 2017. P. 1425–1432.

Добавлено: 6 декабря 2017 г.

Устойчивый к шуму метод обучения вариационного автокодировщика

Фигурнов М. В., Струминский К. А., Ветров Д. П., Интеллектуальные системы. Теория и приложения 2017 Т. 21 № 2 С. 90–109

Вариационный автокодировщик (ВАК) - вероятностный метод обучения без учителя, использующий глубинное обучение. В статье предлагается устойчивый к шуму метод обучения ВАК, основанный на модификации функции правдоподобия. Предлагаются и анализируются две нижние оценки в качестве целевых функций для ВАК. Эффективность метода продемонстрирована в экспериментах с искусственно добавленными шумовыми объектами. ...

Добавлено: 18 октября 2017 г.

Лексическая сочетаемость как ключевой компонент в процессе формирования коммуникативной компетенции

Шемякина В. И., В кн.: Коммуникация в современном поликультурном мире: диалог культур: Сборник научно-практических трудовВып. 2.: М.: Pearson Education Limited (российское представительство), 2014. С. 568–579.

Компетентностный подход и коммуникативная направленность рассматриваются в качестве интегративной цели модернизации изучения английского языка. Лексическая сочетаемость и разные формы самостоятельной работы - необходимые компоненты в состеме подготовки к экзамену IELTS. ...

Добавлено: 5 марта 2015 г.

On Hölder fields clustering

Cadre B., Paris Quentin, TEST 2012 Vol. 21 No. 2 P. 301–316

Based on n randomly drawn vectors in a Hilbert space, we study the k-means clustering scheme. Here, clustering is performed by computing the Voronoi partition associated with centers that minimize an empirical criterion, called distorsion. The performance of the method is evaluated by comparing the theoretical distorsion of empirical optimal centers to the theoretical optimal distorsion. Our first ...

Добавлено: 20 декабря 2014 г.