?
Low complexity template-based watermarking with neural networks and various embedding templates
Computers and Electrical Engineering. 2022. Vol. 102. Article 108194.
Joulitov A.K., Lomazova I.A., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 4(2) P. 215–224
В майнинге процессов (process mining) графы непосредственного следования (Directly-Follows Graph, DFG) популярны благодаря своей простоте и наглядности. Однако, если процесс является ациклическим, но содержит параллельные события, стандартные алгоритмы построения DFG-моделей могут генерировать «ложные» циклы, которыe не представлены в журнале событий. Такие циклы мешают анализу информационных процессов, значительно снижая интерпретируемость и точность (precision) модели. Эта проблема ...
Добавлено: 24 сентября 2026 г.
Добрина Д. Н., Нестеренко А. Ю., Прикладная дискретная математика. Приложение 2026 № 19 С. 151–159
Работа содержит результаты формального анализа криптографических механизмов, входящих в состав проекта методических рекомендаций «Защищенный универсальный протокол передачи данных и управления микросхемой интеллектуальной карты» (протокол SECUNDA). Получена формальная модель и перечень трудноразрешимых математических задач, трудоёмкостью решения которых можно оценить стойкость используемых криптографических механизмов. ...
Добавлено: 24 сентября 2026 г.
I.I. Sergeev, I.A. Lomazova, Modeling and Analysis of Information Systems 2026 Vol. 33 No. 3 P. 394–419
Объектно-ориентированный process mining сформировался как эффективная парадигма анализа событийных данных, включающих несколько взаимодействующих бизнес-объектов. Существующие методы обнаружения моделей часто опираются на объектно-ориентированные сети Петри с фиксированными кратностями дуг, что ограничивает их способность представлять параметрические закономерности потребления и производства ресурсов, а также отражать количественные зависимости между взаимодействующими типами объектов. В данной работе предлагается метод обнаружения объектно-ориентированных ...
Добавлено: 24 сентября 2026 г.
Паршаков П. А., Паклина С. Н., International Journal of Human-Computer Interaction 2026 P. 1–17
Добавлено: 23 сентября 2026 г.
Андраби У. М., Wadood E., Ojha S. K. и др., IEEE Access 2026 Vol. 14 P. 103358–103375
Добавлено: 23 сентября 2026 г.
Добавлено: 23 сентября 2026 г.
Кертес-Фаркаш А., Аквей Ф. Л., Journal of Proteome Research 2026 Vol. 25 P. 3764–3768
Добавлено: 23 сентября 2026 г.
Maddalena L., Yildiz B., Del Vecchio Blanco F. и др., Risk Analysis 2026 Vol. 46 No. 4 P. 1–26
Добавлено: 22 сентября 2026 г.
Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 855–862
Добавлено: 21 сентября 2026 г.
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.
Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Optical Memory and Neural Networks (Information Optics) 2024 Vol. 33 P. 424–434
Добавлено: 21 сентября 2026 г.
Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1053–1060
Добавлено: 21 сентября 2026 г.
Самарин А. В., Торопов А. Г., Савельев А. Г. и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1044–1052
Добавлено: 21 сентября 2026 г.
Singapore: Springer, 2025.
Добавлено: 21 сентября 2026 г.
Томат А., Sergei O. Kuznetsov, International Journal of Approximate Reasoning 2026 Vol. 197 Article 109754
Добавлено: 21 сентября 2026 г.
Добавлено: 21 сентября 2026 г.
Aleksei Samarin, Назаренко А. А., Aleksei Toropov и др., , in: Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024Vol. 36.: FRUCT Oy, 2024. P. 711–720.
Добавлено: 19 сентября 2026 г.
Дай Т., Хоров Е. М., Информационные процессы 2026 Т. 26 № 2 С. 429–445
Современные высокоточные системы распознавания жестов на основе Wi-Fi с одним принимающим узлом требуют большого объема вычислений. В работе предлагается система распознавания жестов Li-WiGR, которая для снижения вычислительной сложности использует группирование поднесущих и специализированную предобработку. Эксперименты на наборе данных Widar3 показывают, что в сценарии с одним приемником система Li-WiGR достигает точности внутридоменной и междоменной классификации 98,33% ...
Добавлено: 14 сентября 2026 г.
Добавлено: 15 июня 2025 г.
Дагаев Н. И., Roads B., Luo X. и др., Pattern Recognition Letters 2023 Vol. 166 P. 164–171
Добавлено: 10 января 2024 г.
Collins D., Guerraoui R., Komatovic J. и др., , in: 50th Annual IEEE/IFIP International Conference on Dependable Systems and Networks.: IEEE Computer Society, 2020. P. 26–38.
Добавлено: 14 октября 2021 г.
Piermont E., Суасо Гарин П., / Series 2105 "[econ.TH]". 2021.
Добавлено: 5 октября 2021 г.