Photonic computing emerges as a disruptive paradigm for artificial intelligence, presenting a strategic choice between scaling linear optical engines and pursuing deep, end-to-end optical neural networks.
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
There is a general consensus in theories of human speech recognition that humans engage in predictive processing during online speech processing. There are also claims that predictive processing is indicative of the operation of a predictive coding (PC) mechanism. PC is a generative, hierarchical feedback framework where feedback signals consist of input predictions, while feedforward signals consist primarily of prediction errors (PE). Some researchers have taken decreased neural signals when inputs conform to expectations as evidence for PC and claim that other possible explanatory framework
СтатьяПоддержка правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Speech-based depression detection (SDD) offers an objective and convenient method for depression screening and intervention. However, existing deep learning methods lack interpretability, which prevents them from revealing their findings for the quantitative detection of depression. To address these issues, we propose an interpretable Depression screening Network (DisNet), which contains a Learnable frequency-domain FilterBank (LFB) module and a Hierarchical speech Representation Extraction (HRE) module. LFB utilizes a learnable filterbank to select effective frequency bands in speech for gene
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The rapid advancement of deep learning has established Convolutional Neural Networks (CNNs) as mainstream for medical image segmentation, yet their limited receptive field hinders long-range dependency capture. While Transformers excel at modeling global features via self-attention, their high computational complexity burdens high-resolution image processing. To leverage the complementary strengths of both architectures and integrate local and global features under a lightweight framework for enhanced accuracy and efficiency, this work proposes a novel encoder based on parallel CNN and Swin Tr
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate identification of toxic Chinese herbal medicines is critical for public health and clinical safety. However, real-world herbal images often exhibit complex backgrounds and small, indistinct target regions, posing substantial challenges to automated classification systems. In this study, we present a novel image dataset comprising over 4,000 samples from 47 toxic herb categories, captured under diverse environmental conditions to reflect real-world variability. We benchmark several state-of-the-art convolutional neural networks, including ResNet, ResNeXt, and EfficientNet variants, and
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Object-goal navigation aims to guide an agent to find a specific target object in an unfamiliar environment based on first-person visual observations. It requires the agent to learn informative visual representations and robust navigation policy. To promote these two components, we propose two complementary techniques, dual object graph (DOG) and bisimulation metric (BM). DOG integrates current and historical object relationships, including category proximity and spatial correlation. It constructs a current object graph (COG) to model real-time object relationships and maintains a historical o
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Precise automated segmentation of anatomical structures is a prerequisite for computer-aided diagnosis, radiotherapy planning, and quantitative medical analysis. However, existing models, whether based on convolutional neural networks (CNN) or transformer architectures, are primarily centered on the extraction and processing of spatial features. These approaches lead to spectral feature entanglement, where low-frequency global structures, mid-frequency contours, and high-frequency textures are indiscriminately mixed, degrading segmentation accuracy, particularly at object boundaries critical f
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate identification of disease-associated microRNAs (miRNAs) is crucial for elucidating pathogenic mechanisms and advancing therapeutic discovery. Although computational methods, particularly those based on biological networks, have become essential tools for predicting miRNA-disease associations, existing approaches often struggle to comprehensively learn from heterogeneous data and optimize feature representations. To overcome these limitations, we propose the Multi-view Hybrid Attention Graph Convolutional Network (MV-HAGCN). This framework constructs a comprehensive heterogeneous netwo
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The type and quantity of lesions are critical determinants in the assessment of diabetic retinopathy (DR) grading. Since multi-view fundus images provide a broader field of view and capture more lesions, multi-view DR grading has garnered increasing attention in recent years. However, existing multi-view methods either only focus on fundus feature extraction, or only take the lesion map as a part of the input, failing to fully leverage the comprehensive lesion information. Moreover, the significant variation in lesion size and their scattered distribution present substantial challenges for eff
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Small interfering RNAs (siRNAs) are a clinically validated therapeutic modality with eight FDA-approved drugs, yet designing effective siRNAs remains computationally challenging due to complex dependencies on sequence composition, thermodynamic properties, target-site accessibility, and off-target interactions. Over two decades, computational approaches have evolved from empirical heuristics to deep learning systems integrating physical priors with learned representations. We review the complete landscape of machine learning methods for siRNA design, spanning classical scoring rules, pretraine
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Super-resolution technology significantly enhances the visual quality of low-resolution medical images, resulting in ultra-high-resolution clear images. Super-resolution technology based on artificial intelligence has achieved great success in reconstruction quality. However, like the image restoration task, super-resolution is also an ill-posed problem, and current work lacks consideration of trustworthiness. Medical image super-resolution needs to ensure clarity and, more importantly, to ensure that the output image is reliable and does not produce false details and mislead the diagnosis. To
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Objective: Cross-subject generalization in EEG-based seizure detection remains a significant challenge due to diverse physiological differences among patients, which can degrade model performance across individuals. This work aims to develop a robust, lightweight, and fast-deployable model for cross-subject seizure detection that achieves high accuracy while enabling real-time, low-latency inference on resource-constrained devices. Methods: We propose PSD-LW-DCN, a novel lightweight deep convolutional network that leverages power spectral density (PSD) features extracted via multitaper spectra
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Monitoring bio-optical attributes in estuarine environments is crucial for understanding ecosystem productivity, sediment dynamics, and climate-induced hydrological changes. This research introduces an integrated multi-sensor and machine learning approach to assess the spatiotemporal variability of Chl-a and TSM within the Northern Bay of Bengal. In-situ data gathered during pre-monsoon, monsoon, and post-monsoon seasons were integrated with satellite observations from Sentinel-3 OLCI and Oceansat-3 OCM to investigate seasonal trends and to train ANN models for enhanced parameter retrieval. Pr
СтатьяВалидационное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The insulin receptor (IR) proteins play a central role in cellular growth and metabolic regulation. Disruption of IRs is linked to several fatal neurodegenerative and cancer-like diseases. Wet-lab experiments are time-consuming, costly, and resource-intensive. Therefore, accurately predicting IR proteins using computational methods is critical for understanding the IR-associated biological mechanism and advancing therapeutic research. In this work, we propose a biologically informed deep learning method, DeepIR-Pred, which is the first rigorous model to accurately identify IR proteins. To ensu
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Under the requirements of Industry 4.0, the performance requirements for improving the hydraulic controller of the mechanical hand wrist are getting higher and higher. To address issues such as response delay and insufficient accuracy in traditional methods, this study proposes a hydraulic control based on a dynamic model. The core innovation lies in embedding the dynamic model into the control loop and integrating multiple intelligent algorithms for closed-loop optimization. Experimental verification shows that the maximum trajectory tracking error of the SHD controller is only 0.28 mm, the f
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The olfaction transduction process commences when odorant molecules bind to specific olfactory receptors (ORs) located in the nasal cavity. Recognizing the interactions between odorant molecules and ORs remains a significant challenge due to the complex and nonlinear nature of the molecule-receptor relationship. Addressing this challenge is pivotal for advancing our understanding of human olfaction mechanisms and aiding in the development of novel synthetic pharmaceuticals. The primary difficulty arises from the intricate interactions between odorant molecules and ORs, where diverse molecule w
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
In recent years, large language models (LLMs) have excelled in natural language processing tasks, but face significant challenges in complex reasoning tasks such as mathematical reasoning and code generation. To address these limitations, we introduce the Neuro-Symbolic paradigm into the field of mathematical reasoning and propose KGA-ECoT, a Knowledge Graph Augmented Executable Chain-of-Thought, which decomposes problems into a structured task graph, incorporates an adaptive on-demand GraphRAG mechanism for precise knowledge retrieval from Symbolic reasoning libraries, and generates verifiabl
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Automatic segmentation of ultrasound-based thyroid nodules can assist physicians in more efficiently and accurately assessing thyroid diseases. However, thyroid ultrasound imaging presents certain unique challenges, such as blurred boundaries of nodules, strong heterogeneity in tissue echoes, and limited contrast between the lesions and adjacent normal thyroid tissue, which hinder the precise identification of nodules in clinical assessment.
PURPOSE: To overcome these obstacles, we propose a deep hybrid convolutional network, named UTNseg, for precisely automatic segmentation of u
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Recent advances in multi-view fundus imaging show great promise for automated diabetic retinopathy (DR) grading. However, mainstream end-to-end CNN/Transformer pipelines rely on striding or tokenization that compresses spatial detail, causing small, low-contrast lesions (e.g., microaneurysms) to be under-represented and creating performance ceilings. Prior efforts have mitigated this by incorporating external lesion- or vessel-level annotations into models. However, such labels are costly to acquire, break the end-to-end training, and make performance over-reliant on the annotation quality. To
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Medical image segmentation plays a critical role in diverse healthcare applications, providing essential support for early disease detection and comprehensive treatment planning. However, due to blurred boundaries, low contrast between lesions and surrounding tissues, and variations in lesion morphology and scale, existing segmentation methods still face significant challenges in enlarging the receptive field and extracting discriminative image features. To address these challenges, we propose MFA-Net, an innovative architecture specifically designed for accurate medical image segmentation. Du
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования