Several machine learning (ML) and deep learning (DL) methods have been used to predict the presence of species in classification problems. Another set of methods, called reinforcement learning (RL), has been used in training agents to perform various tasks, but not in predicting species distribution. Culex pipiens (Diptera: Culicidae), commonly known as the common house mosquito, is a globally distributed species prevalent in temperate and subtropical regions. They serve as a primary vector for West Nile Virus (WNV), a mosquito-borne pathogen that affects humans and other animals. The study ob
СтатьяСравнительное исследованиеПоиск 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.
One main focus in neuroscience is to understand the relationship between decision making and various brain regions. Researchers use machine learning approaches to model the neural circuits of cerebral cortices, cerebellum, and basal ganglia. This review focuses on artificial neural networks (ANNs), particularly recurrent neural networks (RNNs), to model cortical functions for decision making. We first introduce the basic architecture of RNNs and explain how researchers compare the activity and circuits between artificial and biological networks. We also summarize how RNNs model the prefrontal
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Blood flow sensors based on thermal sensing principles are widely used for health monitoring, but they produce large errors when tracking fluctuating blood flow rate (BFR). In order to enhance the ability of these sensors to track BFR, this study establishes a deep learning model based on the bidirectional long short-term memory network with self-attention mechanism (SA-BiLSTM-BFR). The model effect is quantified and evaluated using the middle cerebral artery BFR dataset. Compared with traditional models, the SA-BiLSTM-BFR model reduces the flow prediction root mean square error (RMSEBFR) by 3
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.
Diabetic Retinopathy (DR) is a serious condition affecting diabetes people caused by hemorrhage in the light-sensitive retinal area. DR sufferers should receive urgent therapy to avoid vision loss. The intelligent medical diagnosis system for DR is evolving as a result of the inclusion of Artificial Intelligence (AI) technology. The current AI-driven DR diagnosis techniques are hampered by numerous serious challenges, which undermine their performance. Model performance is generally degraded by low contrast, inhomogeneous lighting, and noise, rendering accurate results hard to achieve. As a re
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.
Learning disabilities affect a substantial proportion of children worldwide, with far-reaching consequences for their academic, professional, and personal lives. Here we develop digital twins-biologically plausible personalized deep neural networks (pDNNs)-to investigate the neurophysiological mechanisms underlying learning disabilities in children. Our pDNN reproduces behavioral and neural activity patterns observed in affected children, including lower performance accuracy, slower learning rates, neural hyperexcitability, and reduced neural differentiation of numerical problems. Crucially, p
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.
BACKGROUND AND OBJECTIVES: Machine learning (ML) in surgical video analysis offers promising prospects for training and decision support in surgery. The past decade has seen key advances in ML-based operative workflow analysis, though existing applications mostly feature shorter surgeries (<2 hours) with limited scene changes. The aim of this study was to develop and evaluate a ML model capable of automated operative workflow recognition for retrosigmoid vestibular schwannoma (VS) resection. In doing so, this project furthers previous research by applying workflow prediction platforms to lengt
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.
Over 2 billion people worldwide are impacted by the global dilemma of access to clean and safe drinking water. The problem is most acute in low-income nations, where many people still use unimproved water sources such as exposed wells and surface water. Public health systems are heavily burdened by these sources since they are closely associated with the spread of waterborne illnesses. As a result, there are still many people who suffer from water-related health problems, especially in underdeveloped nations where access to healthcare is limited and sanitation is often inadequate. However, the
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 order to gain a more accurate understanding and enhance the relationship between the fitness ecological environment and artificial intelligence (AI)-driven sports public services, this study combines a Convolutional Neural Network (CNN) approach based on residual modules and attention mechanisms with the SERVQUAL evaluation model. The method employed involves the analysis of big data collected from questionnaire surveys, literature reviews, and interviews. This study critically examines the impact of advanced AI technologies on residents' satisfaction with the fitness ecological environment
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 the rapidly evolving landscape of artificial intelligence (AI) and machine learning (ML), understanding and correctly applying the concept of the applicability domain (AD) has emerged as an essential part. This chapter begins with an introduction and background on the critical area of AD. It dives into the definition and different methodologies associated with the applicability domain, laying a solid foundation for further exploration. A detailed examination of AD's role within the framework of AI and ML is undertaken, supported by in-depth theoretical foundations. The paper then proceeds t
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.
Inonotus hispidus (Bull.) P. Karst., a rare medicinal fungus, is rich in sterols and polyphenols, recognized for their natural antioxidant properties. To enhance its value, a sustainable extraction technique was developed, comparing the yields of Orbital Shaking Extraction, Hot Water Extraction, and Ultrasound-Assisted Extraction (UAE) under identical conditions. The results showed that UAE significantly outperformed the other methods. Response Surface Methodology (RSM) and Genetic Algorithm-Artificial Neural Network (GA-ANN) models were employed for optimizing the UAE process to maximize the
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.
Accurate prediction of protein-ligand binding affinities is crucial in drug discovery, particularly during hit-to-lead and lead optimization phases, however, limitations in ligand force fields continue to impact prediction accuracy. In this work, we validate relative binding free energy (RBFE) accuracy using neural network potentials (NNPs) for the ligands. We utilize a novel NNP model, AceFF 1.0, based on the TensorNet architecture for small molecules that broadens the applicability to diverse drug-like compounds, including all important chemical elements and supporting charged molecules. Usi
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.
Brain tumors are a significant challenge to human health as they impair the proper functioning of the brain and the general quality of life, thus requiring clinical intervention through early and accurate diagnosis. Although current state-of-the-art deep learning methods have achieved remarkable progress, there is still a gap in the representation learning of tumor-specific spatial characteristics and the robustness of the classification model on heterogeneous data. In this paper, we introduce a novel Pyramidal Attention-Based bi-partitioned T Network (PABT-Net) that combines the hierarchical
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.
Brain tumors represent a significant neurological challenge, affecting individuals across all age groups. Accurate and timely diagnosis of tumor types is critical for effective treatment planning. Magnetic Resonance Imaging (MRI) remains a primary diagnostic modality due to its non-invasive nature and ability to provide detailed brain imaging. However, traditional tumor classification relies on expert interpretation, which is time-consuming and prone to subjectivity. This study proposes a novel deep learning architecture, the Dual-Feature Cross-Fusion Network (DF-CFN), for the automated classi
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.
Polycystic Ovarian Disease (PCOD), also known as Polycystic Ovary Syndrome (PCOS), is a prevalent hormonal and metabolic condition primarily affecting women of reproductive age worldwide. It is typically marked by disrupted ovulation, an increase in circulating androgen hormones, and the presence of multiple small ovarian follicles, which collectively result in menstrual irregularities, infertility challenges, and associated metabolic disturbances. This study presents an automated diagnostic framework for PCOD detection from transvaginal ultrasound images, leveraging an Enhanced [Formula: see
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.
Neuromorphic hardware for artificial general vision intelligence holds the potential to match and surpass biological visual systems by processing complex visual dynamics with high adaptability and efficiency. However, current implementations rely on multiple complementary metal-oxide-semiconductor or neuromorphic elements, leading to significant area and power inefficiencies and system complexity. This is owing to a key challenge that no single electronic device, to our knowledge, has yet been demonstrated that can integrate retina-like and cortex-like spiking and graded neuronal dynamics oper
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.
INTRODUCTION: Ventriculoperitoneal shunts (VPS) are an essential part of the treatment of hydrocephalus, with numerous valve models available with different ways of indicating pressure levels. The model types often need to be identified on X‑rays to assess pressure levels using a matching template. Artificial intelligence (AI), in particular deep learning, is ideally suited to automate repetitive tasks such as identifying different VPS valve models. The aim of this work was to investigate whether AI, in particular deep learning, allows the identification of VPS models in cranial X‑rays.
METHO
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.
Machine learning-assisted gas stripping optimization is showing great potential of removing hydrogen sulfide (H2S) in the acidogenesis phase to enhance sulfate reduction. Herein, response surface methodology (RSM) and artificial neural network (ANN) were employed unprecedentedly to model the sulfate reduction rate after removal of H2S. Under the COD/SO42- ratio of 8.84, reaction temperature of 33.81℃, and gas stripping flow of 0.02 (L gas/min)/L liquid modeled by RSM, a maximum sulfate reduction rate of 92.30 % with 6.38 % error was obtained. Correspondingly, the results of genetic algorithm-b
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.
Sulfonamide antibiotics are emerging aquatic contaminants due to environmental persistence and antimicrobial resistance risks. Biochar is a promising adsorbent for sulfonamide removal, but experimental optimization remains resource intensive. This study applies machine learning to predict biochar adsorption capacity using molecular properties of sulfonamides, adsorbent structural descriptors, and operating conditions. Artificial neural networks, Gaussian process regression, and gradient boosting were developed using grid-search cross-validation. Gradient boosting achieved the best performance
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.
Concerns over the spread of Cyanobacteria, which can lead to dangerous blooms that harm drinking water quality and, therefore, the health of plants and animals, are being raised by global warming. Traditional methods for assessing the amount of toxic species in water samples are often time-consuming, require intensive manual effort, are prone to subjective errors, and can lead to delays in necessary water management interventions. This emphasizes the pressing need for a quick and precise automated method. Both aquatic and terrestrial environments include cyanobacteria, and under some circumsta
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.
Osteoporosis is widespread with a high incidence rate, resulting in fragility fractures which are a major contributor to mortality among the elderly. Artificial intelligence (AI), in particular artificial neural networks, appears to be useful in managing osteoporosis complexity, where bone mineral density usually reduces with aging, losing the pivotal role in decision-making regarding fracture prediction and treatment choice. Nevertheless, only some osteoporotic patients develop fragility fractures, and treatments often are not prescribed because of the high costs and poor patient adherence. A
СтатьяОбзорПолный 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