Machine Learning. Special Issue of the ACML 2023

?

Machine Learning. Special Issue of the ACML 2023

Springer, 2023.

Бузаев Ф. А., Gao J., Чупров И. А., Казаков Е. А.

Machine Learning. Special Issue of the ACML 2023

Evolutionary Two-Stage Hyperparameter Optimization Strategies for Physics-Informed Neural Networks

Бузаев Ф. А., Ефременко Д. С., Бугаев Е. П. и др., , in: AI & PDE: ICLR 2026 Workshop on AI and Partial Differential Equations.: [б.и.], 2026.

Добавлено: 23 июня 2026 г.

The state and prospects of using virtual reality technologies in sports: a brief review

Atlasov B., Сельский А. К., Russian Journal of Information Technology in Sports 2025 Vol. 2 No. 1 P. 13–21

В статье рассматривается текущее состояние глобального рынка технологий виртуальной и дополненной реальности (VR/AR) в спорте, отмечается его рост, хотя и более медленный, чем ожидалось ранее. Особое внимание уделено российскому рынку, где развитие VR-технологий в спорте отстает от мировых лидеров, таких как США, страны ЕС и Китай, но при этом имеет значительный потенциал для роста. Проведен ...

Добавлено: 23 июня 2026 г.

2025 9th International Conference on Information, Control, and Communication Technologies (ICCT-2025)

IEEE, 2026.

Добавлено: 23 июня 2026 г.

Proceedings of the 4th Workshop on NLP for Music and Audio (NLP4MusA 2026)

Бузаев Ф. А., Mullakhmetov R., Bogachev R. и др., Association for Computational Linguistics, 2026.

Добавлено: 22 июня 2026 г.

Zα and Zβ Localize ADAR1 to Flipons That Modulate Innate Immunity, Alternative Splicing, and Nonsynonymous RNA Editing

Herbert A., Cherednichenko O., Lybrand T. и др., International Journal of Molecular Sciences 2025 Vol. 26 No. 6 Article 2422

Добавлено: 22 июня 2026 г.

Международная конференция «Математические идеи академика П.Л. Чебышёва, их приложения в естественных науках и технологи- ях искусственного интеллекта», приуроченная к 205-й годовщине со дня его рождения» : Материалы конференции. / (Обнинск, 14–16 мая 2026 г.): Материалы конференции. Под ред. акад. В.Б. Бетелина. — Калуга: Калужский печатный двор, 2026. — 232 с.

Калужский печатный двор, 2026.

Сборник трудов конференции "Математические идеи академика П.Л. Чебышёва, их приложения в естественных науках и технологиях искусственного интеллекта» ...

Добавлено: 20 июня 2026 г.

ИНТЕГРАЦИЯ ТЕХНОЛОГИИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАТЕЛЬНЫЙ ВИДЕОКОНТЕНТ

Стогниева О. Н., Чеснокова Н. Е., Отечественная и зарубежная педагогика 2026 Т. 1 № 3 (115) С. 123–131

Внедрение генеративных инструментов искусственного интеллекта в образовательную практику актуализирует проблему педагогически обоснованного использования данных технологий при создании образовательного видеоконтента, который всё чаще применяется в языковом и профессионально-ориентированном обучении. Цель статьи — провести сравнительный анализ образовательного видеоконтента, созданного с применением генеративных ИИ-инструментов, с позиций теории когнитивной нагрузки и принципов педагогического дизайна, а также выявить дидактические условия повышения ...

Добавлено: 20 июня 2026 г.

Benchmarking DNA large language models on quadruplexes

Cherednichenko O., Herbert A., Попцова М. С., Computational and Structural Biotechnology Journal 2025 Vol. 27 P. 992–1000

Добавлено: 19 июня 2026 г.

Kolmogorov–Arnold networks for genomic tasks

Попцова М. С., Briefings in Bioinformatics 2025 Vol. 26 No. 2 P. 1–11

Добавлено: 19 июня 2026 г.

Графовые паттерны в несогласованных декларативных моделях процессов

Анненков А. Н., Нестеров Р. А., Моделирование и анализ информационных систем 2026 Т. 33 № 2 С. 176–205

Декларативные модели процессов широко используются в process mining для гибкого описания поведения процессов с помощью наборов ограничений. Однако модели, автоматически извлекаемые из журналов событий, могут содержать несогласованные ограничения, что затрудняет их интерпретацию и делает их непригодными для исполнения, проверки соответствия или дальнейшего анализа. Существующие методы анализа согласованности либо опираются на автоматные конструкции с высокой асимптотической сложностью ...

Добавлено: 18 июня 2026 г.

Advances in Information Retrieval: 48th European Conference on Information Retrieval, ECIR 2026, Delft, The Netherlands, March 29 – April 2, 2026, Proceedings, Part II. (LNCS, volume 16484)

Cham: Springer Publishing Company, 2026.

Добавлено: 18 июня 2026 г.

Искусственный интеллект как роза научной деятельности: исследование Тимоти Гауэрса

Поддьяков А. Н., Троицкий вариант. Наука 2026 № 12 С. 24–25

В научно-популярной заметке представлен обзор содержания поста филдсовского медалиста Тимоти Гауэрса о возможностях ИИ в математике и содержания комментариев под постом. Обзор сделан в основном чат-ботом DeepSeek. В заключение обсуждается возможность не только решения задач искусственным интеллектом, но и их постановки. ...

Добавлено: 18 июня 2026 г.

Exploring New Frontiers in Vertical Federated Learning: the Role of Saddle Point Reformulation

Beznosikov A., Kormakov G., Grigorievskiy A. и др., Journal of Optimization Theory and Applications 2026 Vol. 209 Article 18

Добавлено: 17 июня 2026 г.

Supervised Learning in Critical Phenomena—Statistical and Systematic Accuracy

Chertenkov V. I., Щур Л. Н., Lobachevskii Journal of Mathematics 2026 Vol. 47 No. 2 P. 720–727

Добавлено: 16 июня 2026 г.

Enhancing Emotion Recognition in Speech Based on Self-Supervised Learning: Cross-Attention Fusion of Acoustic and Semantic Features

Deeb B., Andrey V. Savchenko, Макаров И. А., IEEE Access 2026 Vol. 13 P. 56283–56295

Добавлено: 16 июня 2026 г.

Automated detection of wolf howls using audio spectrogram transformers

Makarov N., Савченко А. В., Zemtsova I. и др., Scientific Reports 2025 Vol. 15 Article 26641

Добавлено: 16 июня 2026 г.

Artificial intelligence framework for multi-pathology risk assessment from retinal fundus images: deep learning approach to 15-disease screening

Vasilev R., Савченко А. В., Blinov P. и др., Frontiers in Medicine 2026 Vol. 13

Добавлено: 16 июня 2026 г.

From Data to Signs: A Foundation Model for Multilingual Sign Language Recognition

Novopoltsev M., Tulenkov A., Murtazin R. и др., IEEE Access 2025 Vol. 13 P. 188170–188181

Добавлено: 16 июня 2026 г.

B3Emo: Quantifying Affect as a Double-Edged Sword in Strategic LLM Interactions

Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144

Добавлено: 16 июня 2026 г.

ESQA: Event Sequences Question Answering

Abdullaeva I., Karpukhin I., Filatov A. и др., IEEE Access 2026 Vol. 14 P. 59390–59408

Добавлено: 16 июня 2026 г.

Application of Physics-Informed Neural Networks for Solving the Inverse Advection-Diffusion Problem to Localize Pollution Sources

Ivan Chuprov, Деркач Д. А., Dmitry Efremenko и др., , in: Параллельные вычислительные технологии – XIX всероссийская конференция с международным участием, ПаВТ'2025. Короткие статьи и описания плакатов.: Издательский центр ЮУрГУ, 2025. P. 16–35.

Добавлено: 24 июня 2025 г.

Application of Physics-Informed Neural Networks for Solving the Inverse Advection-Diffusion Problem to Localize Pollution Sources

Деркач Д. А., Ефременко Д. С., Чупров И. А. и др., / Series Computer Science "arxiv.org". 2025. No. 2503.18849.

Добавлено: 25 марта 2025 г.

COMPLETE CHARACTERIZATION OF AXISYMMETRIC TURBULENT JET USING BACKGROUND ORIENTED SCHLIEREN AND PHYSICS-INFORMED NEURAL NETWORK

Ганичев А. А., Heat Transfer Research 2024 Vol. 56 No. 5 P. 17–35

Добавлено: 21 марта 2025 г.

Inferring Parameters and Reconstruction of Two-dimensional Turbulent Flows with Physics-informed Neural Networks

V. Parfenyev, M. Blumenau, I. Nikitin, JETP Letters 2024 Vol. 120 No. 8 P. 599–607

Obtaining system parameters and reconstructing the full flow state from limited velocity observations using conventional fluid dynamics solvers can be prohibitively expensive. Here we employ machine learning algorithms to overcome the challenge. As an example, we consider a moderately turbulent fluid flow, excited by a stationary force and described by a two-dimensional Navier–Stokes equation with ...

Добавлено: 4 ноября 2024 г.