A central problem in machine learning is often formulated as follows: Given a dataset [Formula: see text] , which is a sample drawn from an unknown probability distribution, the goal is to construct a functional model f such that f(x) ≈ y for any (x, y) drawn from the same distribution. Neural networks and kernel-based methods are commonly employed for this task due to their capacity for fast and parallel computation. The approximation capabilities, or expressive power, of these methods have been extensively studied over the past 35 years. In this paper, we will present examples of key ideas i
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.
Convolutional neural networks (CNNs) have achieved remarkable accuracy in histopathology image classification, yet their decision logic remains largely opaque. Most explainability methods, such as Grad-CAM or SHAP, provide only coarse heatmaps, offering limited insight into the role of individual filters. This study introduces a filter-level explainability framework that quantitatively aligns single-filter activations with Grad-CAM outputs using similarity metrics (Pearson correlation, Dice coefficient, mean squared error), integrates progressive ablation experiments to assess filter contribut
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.
Computational fluid dynamics (CFD) can be a powerful tool for higher-fidelity water infrastructure planning and design. Despite decades of development and demonstration over a wide range of water systems such as clarification basins, activated sludge processes, ozone contactors, etc., CFD remains primarily used in academic research, with limited application in civil and environmental engineering practice. This limitation is contributed by its higher computational cost and demand for specialized user skills. This, however, need not be the case, if a robust and efficient surrogate model can be d
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.
Objective.Artificial neural networks (ANNs) are state-of-the-art tools for modeling and decoding neural activity, but deploying them in closed-loop experiments with tight timing constraints is challenging due to their limited support in existing real-time frameworks. Researchers need a platform that fully supports high-level languages for running ANNs (e.g. Python and Julia) while maintaining support for languages that are critical for low-latency data acquisition and processing (e.g. C and C++).Approach.To address these needs, we introduce the Backend for Realtime Asynchronous Neural Decoding
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоиск 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: Melanoma is one of the deadliest tumors in the world. Early detection is critical for first-line therapy in this tumor pathology and it remains challenging due to the need for histological analysis to ensure correctness in diagnosis. Therefore, multiple computer-aided diagnosis (CAD) systems working on melanoma images were proposed to mitigate the need of a biopsy. However, although the high global accuracy is declared in literature results, the CAD systems for the health fields must focus on the lowest false negative rate (FNR) possible to qualify as a diagnosis support system. Th
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.
A substantial amount of maintenance and fault data is not properly utilized in the daily maintenance of pantographs in urban metro cars. Pantograph fault analysis can begin with three factors: the external environment, internal flaws, and joint behavior. Based on the analysis of pantograph fault types, corresponding measures are proposed in terms of pantograph fault handling and maintenance strategies, in order to provide safety guarantee for the safe and effective realization of rail transit vehicle speed-up and also provide reference for the maintenance and overhaul of pantographs. For the p
СтатьяОтозванная публикацияПоиск 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 AND OBJECTIVE: Causality defined by Granger in 1969 is a widely used concept, particularly in neuroscience and economics. As there is an increasing interest in nonlinear causality research, a Python package with a neural-network-based causality analysis approach was created. It allows performing causality tests using neural networks based on Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), or Multilayer Perceptron (MLP). The aim of this paper is to present the nonlinear method for causality analysis and the created Python package.
METHODS: The created functions with the a
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.
Semantic segmentation, unifying most navigational perception tasks at the pixel level has catalyzed striking progress in the field of autonomous transportation. Modern Convolution Neural Networks (CNNs) are able to perform semantic segmentation both efficiently and accurately, particularly owing to their exploitation of wide context information. However, most segmentation CNNs are benchmarked against pinhole images with limited Field of View (FoV). Despite the growing popularity of panoramic cameras to sense the surroundings, semantic segmenters have not been comprehensively evaluated on omnid
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 AND OBJECTIVE: Surgical tool detection, segmentation, and 3D pose estimation are crucial components in Computer-Assisted Laparoscopy (CAL). The existing frameworks have two main limitations. First, they do not integrate all three components. Integration is critical; for instance, one should not attempt computing pose if detection is negative. Second, they have highly specific requirements, such as the availability of a CAD model. We propose an integrated and generic framework whose sole requirement for the 3D pose is that the tool shaft is cylindrical. Our framework makes the most 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.
One of the most important issues in power system restoration is overvoltages caused by transformer switching. These overvoltages might damage some equipment and delay power system restoration. This paper presents a radial basis function neural network (RBFNN) to study transformer switching overvoltages. To achieve good generalization capability for developed RBFNN, equivalent parameters of the network are added to RBFNN inputs. The developed RBFNN is trained with the worst-case scenario of switching angle and remanent flux and tested for typical cases. The simulated results for a partial of 39
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.
Planning is critical for adaptive behaviour in a changing world, because it lets us anticipate the future and adjust our actions accordingly. While prefrontal cortex is crucial for this process, it remains unknown how planning is implemented in neural circuits. Prefrontal representations were recently discovered in simpler sequence memory tasks, where different populations of neurons represent different future time points. We demonstrate that combining such representations with the ubiquitous principle of neural attractor dynamics allows circuits to solve much richer problems, including planni
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.
Deep learning has achieved notable success in sensor-based human activity recognition (SHAR), yet wearable inertial signals contain activity patterns at different temporal scales while practical deployment imposes strict computational constraints. This paper proposes a three-stage Adaptive CNN-Enhanced Scale-fusion Network (ACESNet) for six-channel accelerometer-gyroscope activity recognition. The Adaptive Kernel Encoder dynamically combines temporal kernels of different sizes, while the CNN-Enhanced Scale-fusion design combines multi-scale temporal mixing, explicit channel mixing and a parall
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.
To address the challenges of cross-modal information fusion in high-dimensional multimodal medical data for cancer prognosis, this study presents a hybrid diagnostic accuracy model for cancer survival prediction, integrating quantum computing with classical deep learning in a retrospective analysis of bladder cancer patients. We propose QTMPN (Quantum-Transformer Multimodal Prognostic Network), a novel framework integrating quantum neural networks (QNNs), Transformers, and graph neural networks (GNNs). For high-dimensional whole-slide pathological images (WSIs), a quantum feature extractor (QF
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.
To achieve rapid, nondestructive, and intelligent quality detection of A. sinensis, this study combines NIR-HSI technology with deep learning. It proposes a multi-task convolutional neural network (MT-CNN) equipped with a multi-head hierarchical attention mechanism. First, a multi-task sample partitioning algorithm (MSPXY) was developed with two target variables to improve the representativeness and balance of sample division. Second, a multi-head hierarchical attention mechanism (4HSA + 8HSA) was added to the convolutional neural network to capture both local and global spectral features. Fin
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 rapid growth of quantum computing is driven by promises of performing complex calculations with unprecedented speed; however, current use cases have been limited by quantum hardware and the difficulty of identifying problems that classical computers cannot easily address. Within these constraints, biological problems including drug discovery, protein folding, and precision medicine present an opportunity to understand how current quantum hardware can make advances. In immunology, accurate prediction of cancer neoantigens remains a major challenge, limited by small, noisy datasets and the i
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.
Soybean production is significantly affected by crop diseases and improper pesticide use, which hinder effective disease management and reduce yield. In this study, we propose an efficient multi-task convolutional neural network (CNN) framework for the simultaneous detection of soybean seed diseases and pesticide presence from seed images. The model leverages a shared feature extraction backbone with task-specific output heads to learn complementary features for both disease classification and pesticide detection. A dataset of 429 soybean leaf images was preprocessed using normalization and au
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.
We herein propose Deep-DoPIo, a deep learning-based framework that predicts shear elastic modulus from paired narrow- and wide-track displacement profiles generated by a single acoustic radiation force (ARF) push. Unlike the traditional double-profile intersection (DoPIo) ultrasound technique, which relates the intersection time (tint) between these profiles to shear modulus through a linear empirical model, Deep-DoPIo leverages neural networks to learn this mapping directly from the displacement data. Four architectures were evaluated: a feedforward neural network (FFNN), a 1-D convolutional
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.
OBJECTIVES: To thoroughly review Deep Convolutional Neural Networks for detecting interproximal caries with bitewing radiographs.
DATA: Data was collected from studies that utilized Deep Convolutional Neural Networks (DCNN) focused on the analysis of bitewing radiographs taken with intraoral X-ray units.
SOURCES: A comprehensive literature search was conducted across various scholarly databases including Google Scholar, MDPI, PubMed, ResearchGate, ScienceDirect, and IEEE Xplore, encompassing 2014 to 2024. The risk of bias assessment utilized the current version of the Quality Assessment Tool
СтатьяСистематический обзорПоиск 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.
Bitumen extraction for the production of synthetic crude oil in Canada's Athabasca Oil Sands industry has recently come under spotlight for being a significant source of greenhouse gas emissions. A major cause of concern is methane, a greenhouse gas produced by the anaerobic biodegradation of hydrocarbon in oil sands residues, or tailing, stored in settle basins commonly known as oil sands tailing ponds. In this work, we build a data-driven modeling framework to determine the methane emitting potential of these tailing ponds and have future methane projections using a Dispersion based Recurren
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.
OBJECTIVE: Neural networks are a group of computer-based pattern recognition methods that have recently been applied to clinical diagnosis and classification. In this study, we applied one type of neural network, the backpropagation network, to the diagnostic classification of giant cell arteritis (GCA).
METHODS: The analysis was performed on the 807 cases in the vasculitis database of the American College of Rheumatology. Classification was based on the 8 clinical criteria previously used for classification of this data set: 1) age > or = 50 years, 2) new localized headache, 3) temporal arte
СтатьяПоддержка службы здравоохранения СШАПоиск 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