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

Темирханов А. А., Костромина А. М., Цымбой О. А. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 № S С. 485–494

В индустрии нередко возникает необходимость одновременно строить прогнозы по большим наборам временных рядов. Однако мы можем оказаться в ситуации, когда обучение отдельной модели для каждого из них невозможно или слишком затратно. Эта проблема в моделировании временных рядов остается без должного внимания. Средством ее решения может служить создание фундаментальной модели (foundation model), рассчитанной на прогнозирование в ...

Добавлено: 24 февраля 2026 г.

Neurodiverse AI

Vallverdú J., Альшанская Е. И., BioNanoScience 2025 Vol. 15 Article 406

Добавлено: 14 июня 2025 г.

Machine Learning Domain Adaptation in Spin Models with Continuous Phase Transitions

Чертенков В. И., Щур Л. Н., / Series arXiv "math". 2024. No. 2411.13027.

Добавлено: 21 ноября 2024 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.

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.

17th International Conference, ICFCA 2023, Kassel, Germany, July 17–21, 2023, Proceedings. Formal Concept Analysis, (LNCS, volume 13934)

Switzerland: Springer, 2023.

Добавлено: 27 сентября 2023 г.

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

Джин С., Lee H., Park C. и др., IEEE Transactions on Visualization and Computer Graphics 2023 Vol. 29 No. 1 P. 1102–1112

Добавлено: 17 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.

HyperDomainNet: Universal Domain Adaptation for Generative Adversarial Networks

Аланов А., Titov V., Ветров Д. П., , in: Thirty-Sixth Conference on Neural Information Processing Systems : NeurIPS 2022.: Curran Associates, Inc., 2022. P. 29414–29426.

Добавлено: 27 января 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.

Analyzing COVID-19 Medical Papers Using Artificial Intelligence: Insights for Researchers and Medical Professionals

Dmitry Soshnikov, Petrova T., Soshnikova V. и др., Big Data and Cognitive Computing 2022 Vol. 6 No. 1 Article 4

Since the beginning of the COVID-19 pandemic almost two years ago, there have been more than 700,000 scientific papers published on the subject. An individual researcher cannot possibly get acquainted with such a huge text corpus and, therefore, some help from artificial intelligence (AI) is highly needed. We propose the AI-based tool to help researchers ...

Добавлено: 22 февраля 2022 г.

Interpretable Feature Generation in ECG Using a Variational Autoencoder

Kuznetsov V. V., Moskalenko V. A., Грибанов Д. В. и др., Frontiers in Genetics 2021 Article 638191

Добавлено: 29 октября 2021 г.

Machine Learning Models Interpretations: User Demands Exploration

Anna Smirnova, Суворова А. В., , in: Digital Transformation and Global Society: 5th International Conference, DTGS 2020, St. Petersburg, Russia, June 17–19, 2020, Revised Selected Papers.: Springer, 2020. Ch. 8 P. 107–116.

Добавлено: 30 сентября 2021 г.

Deciding Boundedness of Monadic Sirups

Kikot S., Kurucz A., Подольский В. В. и др., , in: PODS'21: Proceedings of the 40th ACM SIGMOD-SIGACT-SIGAI Symposium on Principles of Database Systems.: NY: Association for Computing Machinery (ACM), 2021. P. 370–387.

Добавлено: 8 сентября 2021 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.

Deep transfer learning baselines for sentiment analysis in Russian

Сметанин С. И., Комаров М. М., Information Processing and Management 2021 Vol. 58 No. 3 Article 102484

Добавлено: 28 января 2021 г.

Interpretable Concept-Based Classification with Shapley Values

Игнатов Д. И., Kwuida L., , in: Ontologies and Concepts in Mind and Machine. 25th International Conference on Conceptual Structures, ICCS 2020.: Springer, 2020. P. 90–102.

Добавлено: 30 октября 2020 г.

Shapley and Banzhaf Vectors of a Formal Concept

Игнатов Д. И., Kwuida L., , in: Proceedings of the Fifthteenth International Conference on Concept Lattices and Their ApplicationsVol. 2668.: CEUR-WS.org, 2020. P. 259–271.

Добавлено: 30 октября 2020 г.

Proceedings of the International Workshop "What can FCA do for Artificial Intelligence?" (FCA4AI at IJCAI/ECAI 2019)

[б.и.], 2019.

Добавлено: 30 октября 2019 г.