Pretrained large models (PLMs), such as ChatGPT, have demonstrated remarkable performance across diverse tasks. However, the significant computational requirements of PLMs have discouraged most product teams from running or fine-tuning them. In such cases, to harness the exceptional performance of PLMs, one must rely on paid Application Programming Interface (API), thereby exacerbating the economic burden. Despite the overall inferior performance of small models, in specific distributions, they can achieve comparable or even superior results. Consequently, some input can be processed exclusive
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.
This paper investigates false data injection attacks (FDIAs) with failure probabilities in set reachability of Boolean control networks. Necessary and sufficient conditions are established for the existence of data injection sequences (DISs) that ensure set reachability with probability one or above a given bound under any control input sequence (CIS) within a predefined time. Moreover, for all CISs and DISs, corresponding conditions are derived to guarantee set reachability under the same probabilistic bounds. In addition, for specific CISs, a newly constructed system is proposed, based on wh
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.
Perceptron models have become integral tools for pattern recognition and classification problems in engineering fields. This study envisioned implementing artificial neural networks to forecast the performance of a mini-spray dryer for desulfurization activities. This work adopted k-fold cross-validation, a rigorous technique that evaluates model performance across multiple data segments. Several ANN models (21) were trained on data obtained from sulfation conditions, including sulfation temperature (120 °C-200 °C), slurry pH (4-12), stoichiometric ratio (0.5-2.5), slurry solid concentration (
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.
Consumer Electronics (CE) devices, such as smartwatches, cameras, and smart home appliances, are becoming increasingly interconnected through Smart CE networks supported by Internet of Things (IoT) ecosystems and next-generation wireless networks. This ubiquitous connectivity enhances user convenience and enables intelligent services, but it also widens the attack surface by exposing resource-constrained devices to cyber threats. Although many CE devices constantly communicate with edge or cloud infrastructures, compromising a single vulnerable node can spread risk throughout the Smart CE netw
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.
This study presents a comparison of three different methods for differentiating between supraventricular and ventricular tachycardias with wide-QRS complex. One set of criteria, derived using classical statistical techniques, was compared with two new self-learning computer techniques: the artificial neural networks and the induction algorithm approach. By analyzing the results obtained in an independent test set, using these new techniques, the criteria defined by the classical method could be improved.
Сравнительное исследованиеСтатьяПоиск 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.
This paper addresses the sampled-data exponential stabilization problem for delayed complex-valued neural networks (DCNNs) over capacity-limited communication channels. To reduce communication load, a quantized intermittent sampled-data transmission (QIST) protocol is proposed. A transmission-interval-dependent Lyapunov functional is constructed, which is continuous and piecewise-defined in accordance with the communication mechanism. Using the Lyapunov functional method combined with inequality estimation techniques, two exponential stabilization criteria are derived in the form of complex-va
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 transferability of adversarial examples has become a crucial issue in black-box attacks. Input transformation techniques have shown considerable promise in enhancing transferability, but existing methods are often limited by their empirical nature, neglecting the wide spectrum of potential transformations. This may limit the transferability of adversarial examples. To address this issue, we propose a novel transformation variational inference attack(TVIA) to improve the diversity of transformations, which leverages variational inference (VI) to explore a broader set of input transformation
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 staggering innovations and emergence of numerous deep learning (DL) applications have forced researchers to reconsider hardware architecture to accommodate fast and efficient application-specific computations. Applications, such as object detection, image recognition, speech translation, as well as music synthesis and image generation, can be performed with high accuracy at the expense of substantial computational resources using DL. Furthermore, the desire to adopt Industry 4.0 and smart technologies within the Internet of Things infrastructure has initiated several studies to enable on-c
ОбзорСтатьяПоддержка исследования: вне 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.
PURPOSE: Videokeratography is a powerful tool for the diagnosis of corneal shape abnormalities. However, interpretation of the topographic map is sometimes difficult, especially when pathologies with similar topographic patterns are suspected. The neural networks model, an artificial intelligence approach, was applied for automated pattern interpretation in corneal topography, and its usefulness was assessed.
METHODS: One hundred eighty-three topographic maps were selected and classified by human experts into seven categories: normal, with-the-rule astigmatism, keratoconus (mild, moderate, ad
СтатьяПоддержка службы здравоохранения 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.
In a world where automation is becoming increasingly common, easier collection of mass of data and powerful computer processing has meant a transformation in the field of artificial intelligence (AI). The diabetic foot is a multifactorial problem; its issues render it suitable for analysis, interrogation, and development of AI. The latter has the potential to deliver many solutions to issues of delayed diagnosis, compliance, and defining preventative treatments. We describe the use of AI and the development of artificial neural networks that may supplement the failed networks in the diabetic f
СтатьяОбзорПоиск 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.
Aiming to identify corresponding users in different networks, social network alignment is significant for numerous subsequent applications. Most existing models apply consistency assumptions on undirected networks, ignoring platform disparity caused by diverse functionalities and universal directed relations like follower-followee. Due to indistinguishable nodes and relations, subgraph isomorphism is also unavoidable in neighborhoods. In order to precisely align directed and attributed social networks, we propose the Multi-level Adversarial and Graphlet-based Social Network Alignment (MAGSNA),
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.
Early identification of Acute Lymphoblastic Leukemia (ALL) is vital to respond on time; yet, presently existing diagnostic procedures still depend on laboratory knowledge, manual interpretation and many supplementary exams. This paper introduces ClinNetDx, a new hybrid deep learning model for Acute Lymphoblastic Leukaemia prediction that combines a Convolutional Neural Network (CNN) and a Deep Neural Network (DNN) and employs structured blood test data and (optional) medical images to support good health and well-being. The proposed methodology includes a tabular-to-spatial transformation that
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.
Transparent clinical decision-making remains a critical barrier to deploying deep learning in medical diagnosis. Post hoc explanation methods approximate model behaviour after training but cannot guarantee that explanations faithfully reflect the underlying reasoning. This study proposes a Self-Explaining Neural Network (SENN) for Parkinson's Disease (PD) screening via Ground Reaction Force (GRF) gait analysis, enforcing intrinsic interpretability through learnable basis concepts and input-dependent relevance scores computed jointly with the prediction. The architecture combines a four-block r
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.
Alzheimer's disease (AD) is a progressive neurodegenerative disorder that severely affects memory, cognition, and behavioral functions, making early and accurate stage classification essential for timely clinical intervention and treatment planning. Conventional MRI-based diagnostic approaches are often limited by noise sensitivity, manual interpretation, and insufficient capability to model complex non-linear neuroimaging relationships across multiple disease stages. To address these limitations, this paper proposes a novel Hybrid Quantum-Classical Spike-Driven Network optimized with the Bobc
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.
This paper proposes a novel training methodology for sparse convolutional deep predictive coding networks with attention (DPCN-SCA). In the same spirit of self supervised learning, the method fully exploits the bidirectional architecture, and takes advantage of the extra top-down structure that resembles the autoencoder. We modify the traditional equations to accommodate this extra top-down flow, and also show the importance of this modification for new applications of DPCNs as visual memories for object-level information compression, as well as for improved interpretability of the learned fea
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.
Human viewers are able to perform tasks that depend on accurate estimates of surface reflectance, even across large changes in illumination and context. This is a remarkable ability, and successful image-computable models of how the visual system achieves this have remained elusive. Recently, deep convolutional neural networks (CNNs) have been developed that are adept at estimating surface reflectance. Here we evaluated one such network as a starting point for a new model of human lightness perception by testing whether it was susceptible to a range of classic lightness illusions. We implement
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.
Fusarium head blight (FHB), a frequent disease in wheat cultivation, can lead to substantial yield losses and the production of mycotoxins in grains. Therefore, the development of wheat varieties resistant to FHB is an important strategy to reduce related losses. In this respect, manual surveys of FHB are time-consuming and labor-intensive. To overcome this issue, this paper proposes a method for detecting and evaluating wheat FHB using color imaging and deep learning. Initially, a lightweight convolutional neural network model based on the You Only Look Once (YOLO) v8s artificial intelligence
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.
Multi-view subspace clustering has progressed significantly by using deep neural networks to handle nonlinear data representations. A recent advancement, the Multi-view Self-Expressive Subspace Clustering (MSESC) network, achieves markedly higher computational efficiency by substituting the traditional self-expression layer with a deep metric learning approach. Nevertheless, MSESC still suffers from two notable limitations: it fails to adequately capture the high-order geometric structures inherent in multi-view data, and it lacks effective guidance from the underlying clustering distribution.
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: Gingivitis is a common condition in individuals with inadequate oral hygiene. Although dental indices are widely used to assess periodontal status and educate patients, digital technologies have recently been incorporated into this field.
OBJECTIVES: The aim of the study was to provide an objective digital method to resolve the ambiguity between the first two scores of the gingival index (GI): absence of color alteration (score 0); and presence of color alteration in the gingiva (score 1), by designing a convolutional neural network (CNN) algorithm capable of detecting gingival co
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.
Mathematical modeling of visual textures traces back to Julesz's intuition that texture perception in humans is based on local correlations between image features. An influential approach for texture analysis and generation generalizes this notion to linear correlations between the nonlinear features computed by convolutional neural networks (CNNs), compiled into Gram matrices. Given that CNNs are often used as models for the visual system, it is natural to ask whether such "texture representations" spontaneously align with the textures' perceptual content, and, in particular, whether those CN
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.
MedElevator
Войти в исследования