A Visual Analytics System for Improving Attention-based Traffic Forecasting Models

S. Jin; Lee H.; Park C.; Chu H.; Tae Y.; Choo J.; Sungahn K.

doi:10.1109/TVCG.2022.3209462

Публикации

?

A Visual Analytics System for Improving Attention-based Traffic Forecasting Models

IEEE Transactions on Visualization and Computer Graphics. 2023. Vol. 29. No. 1. P. 1102–1112.

Джин С., Lee H., Park C., Chu H., Tae Y., Choo J., Sungahn K.

Научное направление: Компьютерные науки

Язык: английский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: deep machine learning explainable AI Traffic flow prediction

TreeDQN: Sample-efficient off-policy reinforcement learning for combinatorial optimization

Sorokin D., Kostin A., Савченко Л. В. и др., Knowledge-Based Systems 2026 Vol. 348 Article 116258

Добавлено: 10 июня 2026 г.

Microbial diversity and production of milk spirit using traditional Buryat fermentation and distillation technologies

Namsaraev Z., Козлова А. Д., Toshchakov S., Scientific Reports 2026 Vol. 16 No. 17769

Дистиллированные кисломолочные напитки встречаются в пищевой промышленности редко, несмотря на повсеместное распространение растительных спиртных напитков. В настоящее время производство крепких дистиллированных алкогольных напитков из кисломолочных продуктов с использованием традиционных технологий известно лишь среди монголоязычных народов и их сибирских соседей. Данное исследование представляет собой первый междисциплинарный анализ дарасуна, традиционного бурятского спиртного напитка, изготавливаемого из кисломолочного напитка ...

Добавлено: 10 июня 2026 г.

Artificial intelligence and digital twins for failure prediction in data center cooling systems: a comprehensive literature review (2018–2026)

Гущин М. И., Butorova A., Bobakov V. и др., European Physical Journal: Special Topics 2026 P. 1–19

Добавлено: 10 июня 2026 г.

Innovations in Information and Decision Sciences. Proceedings of the 13th International Conference on Frontiers in Intelligent Computing: Theory and Applications (FICTA 2025), Volume 4

Springer, 2026.

Добавлено: 8 июня 2026 г.

Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)

Seul: PMLR, 2026.

Добавлено: 4 июня 2026 г.

OpenAtom Foundation. Консорциум, развивающий Open Source в Китае.

Силаков Д. В., Системный администратор 2026 № 3 С. 28–33

В статье про платформы для разработки открытого ПО в Китае мы рассказали про GitCode – молодой проект, позиционируемый как площадка для разработчиков со всего мира. Сейчас на GitCode размещаются проекты, созданные в КНР, но некоторые из них уже известны и на международной арене. Помочь открытым проектам в становлении, развитии и расширению аудитории призван фонд OpenAtom ...

Добавлено: 2 июня 2026 г.

The recognition-by-components method

Slivnitsin P., Мыльников Л. А., Engineering Applications of Artificial Intelligence 2026 Vol. 179 Article 115185

Добавлено: 29 мая 2026 г.

Brain-Computer Interfaces for Gait Rehabilitation After Stroke A Scoping Review

Мокиенко О. А., Zisman M. A., Бобров П. Д. и др., American Journal of Physical Medicine and Rehabilitation 2026 Vol. 105 No. 6 P. 555–563

Добавлено: 28 мая 2026 г.

Generalizing the Brady-Yong Algorithm: Efficient Fast Hough Transform for Arbitrary Image Sizes

Kazimirov D., Rybakova E., Vitalii V. Gulevskii и др., IEEE Access 2025 Vol. 13 P. 20101–20132

Добавлено: 28 мая 2026 г.

Universal Comparison Methodology for Hough Transform Approaches

Kazimirov D., Vitalii Gulevskii, Kroshnin A. и др., Mathematics 2026 Article 1136

Добавлено: 28 мая 2026 г.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕХНИЧЕСКИЕ СРЕДСТВА УПРАВЛЕНИЯ (ICCT-2024)

М.: Институт проблем управления им. В.А. Трапезникова РАН, 2024.

В сборник вошли материалы VIII Международной научной конференции «Информационные технологии и технические средства управления» (ICCT-2024). На конференции были рассмотрены вопросы, касающиеся перспектив развития научного приборостроения в телекоммуникационных и управляющих системах, биомедицинской информатики, аппаратного и программного обеспечения информационнокоммуникационных систем, надежности, диагностики и неразрушающего контроля, систем управления и автоматизации, цифровых экосистем, управления производством и логистикой, методов математического ...

Добавлено: 27 мая 2026 г.

Non-linear in-band interference cancellation on base of conjugate gradients method

Degtyarev A., Bakhurin S., Юдин Н. Е., DSPA 2026 P. 1–6

Добавлено: 26 мая 2026 г.

28th European Conference on Artificial Intelligence, 25-30 October 2025, Bologna, Italy – Including 14th Conference on Prestigious Applications of Intelligent Systems (PAIS 2025)

IOS Press, 2025.

Добавлено: 26 мая 2026 г.

Comparative Study of Training Methods and Architectures of Echo State Networks

Андросов И. А., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 3 P. 87–114

В работе рассматриваются сети эхо-состояний (Echo State Network, ESN), которые являются одними из самых распространенных способов реализации резервуарных вычислений. Они состоят из рекуррентной нейронной сети, веса которой выбираются один раз и не обучаются, и выходного, обычно линейного, обучаемого слоя. Такой подход позволяет создавать энергоэффективные и быстрые нейронные сети, способные обучаться в режиме реального времени. Но ...

Добавлено: 26 мая 2026 г.

A review of Explainable Artificial Intelligence in healthcare

Sadeghi Z., Alizadehsani R., Cifci M. A. и др., Computers and Electrical Engineering 2024 Vol. 118 No. A Article 109370

Добавлено: 8 июня 2024 г.

Estimating the Transfer Learning Ability of a Deep Neural Networks by Means of Representations

Magai German, Soroka A., , in: Advances in Neural Computation, Machine Learning, and Cognitive Research VIIVol. 1120.: Studies in Computational Intelligence, 2023.

Добавлено: 29 октября 2023 г.

Revealing stock liquidity determinants by means of explainable AI: The role of ESG before and during the COVID-19 pandemic

Tamara Teplova, Tatiana Sokolova, David Kissa, Resources Policy 2023 Vol. 86 No. B Article 104253

Добавлено: 23 октября 2023 г.

Latent Stochastic Differential Equations for Change Point Detection

Рыжиков А. С., Гущин М. И., Деркач Д. А., IEEE Access 2023 Vol. 11 P. 104700–104711

Добавлено: 5 октября 2023 г.

Boosting heterogeneous catalyst discovery by structurally constrained deep learning models

Буденный С. А., Korovin A. N., Humonen I. S. и др., Materials Today Chemistry 2023

Добавлено: 5 мая 2023 г.

Проектирование инструментария для выбора методов интерпретируемого машинного обучения

Суворова А. В., Смирнова А. В., В кн.: Интегрированные модели и мягкие вычисления в искусственном интеллекте ИММВ-2022. Сборник научных трудов XI Международной научно-практической конференции. В 2-х томах, том 1Т. 1.: Универсум, 2022. С. 247–257.

Интерпретируемые методы машинного обучения (IML) дают ценную информацию о поведении модели, но из-за разнообразия доступных инструментов интерпретации конкретное решение может не оптимально соответствовать потребностям целевых пользователей. Для поддержки принятия решений при построении и исследовании моделей мы предлагаем модульную структуру для выбора алгоритма. Структура основана на обзоре свойств методов IML, доступных метриках и существующих руководствах по ...

Добавлено: 17 марта 2023 г.

Bringing Explainability to Model Deployment Pipeline in Deep Learning Workbench

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.

Идентификация новых дифференциально экспрессирующихся длинных некодирующих РНК с онкогенным потенциалом

Бровкина О. И., Пронина И. В., Урошлев Л. А. и др., Молекулярная биология 2021 Т. 55 № 4 С. 598–605

В последнее время накапливается все больше данных, свидетельствующих о роли длинных некодирующих РНК (lncРНК) как важнейшего регулятора транскрипции в клетках. С помощью метода глубинного машинного обучения определены четыре новых lncРНК, дифференциально экспрессирующихся в опухолях яичников: TMEM92-AS1, FAM222A-AS, TXLNB и lnc-CCL28. Представленность транскриптов lnc-CCL28 была достаточной, как в опухолях, так и в нормальной ткани, для дальнейшего анализа ...

Добавлено: 20 июня 2022 г.

Deep active inference in control tasks

Зеленов А. А., Крылов В. В., , in: Proceedings of 2021 International Conference on Electrical, Communication, and Computer Engineering.: United States of America: IEEE, 2021. P. 1–3.

Добавлено: 7 июня 2022 г.

Decoding аnd Interpreting Cortical Signals With A Compact Convolutional Neural Network

Петросян А. Т., Синкин М. В., Лебедев М. А. и др., Journal of Neural Engineering 2021 Vol. 18 Article 026019

Добавлено: 24 января 2022 г.