Neurons are basic units for information processing in biological systems. Inspired by the information-processing efficiency of biological systems, artificial neural networks (ANNs) have been studied for decades. However, it remains challenging today to realize single physical artificial neurons so that an ANN can be constructed in a bottom-up manner. Herein, we show that by using an innovative light-detecting semiconductor nanowire structure, neuronal features much closer to single, physical artificial neurons can be emulated, including excitation and inhibition, threshold, refractory period,
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.
Most existing multi-view learning methods enhance performance by exploiting view complementarity through multi-stage fusion and enforcing consistency via representation alignment. However, they are largely confined to instance-level modeling and fail to adequately capture category-level semantics, which limits their effectiveness. Recent contrastive learning attempts incorporate category information to improve discriminability, yet they often rely on exhaustive view and sample pairing, leading to prohibitive computational overhead. Consequently, achieving both category-aware effectiveness and
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.
Small object detection in complex scenes exposes a fundamental tension in neural network design: backbone attention distributes computation uniformly regardless of content, pyramid necks inflate activation magnitudes during upsampling without norm compensation, and bottleneck convolutions progressively smooth high-frequency edge components through accumulated spatial filtering. In response, we develop DFIR-DETR by tracing each proposed module back to a specific, measurable deficiency in the RT-DETR baseline: uniform attention that ignores spatial complexity, norm drift that destabilises upsamp
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.
To date, analyzing data from sedimentation velocity analytical ultracentrifugation (SV-AUC) experiments has exclusively been performed using finite element method or other numerical solver-based techniques. These methods are slow, requiring repeated solving of the Lamm equation in order to obtain an accurate solution. In this paper, we demonstrate how the Lamm equation is alternatively solved accurately using machine learning's automatic differentiation by implementing it into the loss function of an inverse physics informed neural network (PINN). Subsequently, we confirm that by implementing
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.
Knowledge Graph (KG) embedding is to map components of a KG including entities and relations into a continuous low-dimensional space, with the goal of simplifying subsequent manipulation while preserving the inherent structure of the KG. Recent research efforts are directed towards the design of various types of scoring functions, yet the learning framework, which is essential for further improvement of KG embedding models, has received less attention. In this paper, we exploit Contrastive Learning (CL) for KG embedding, given its power in representation learning, which helps enhance the expre
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 precise segmentation of pulmonary vessels is crucial for the early diagnosis and treatment of pulmonary diseases. However, vessel images are frequently compromised by high levels of noise and blurred boundaries, which complicate the extraction of vessel features. Current state-of-the-art (SOTA) methods also encounter challenges such as segmenting fine vessels, interruptions in vessel continuity, and loss of inter-layer information. To address these issues, this study proposes a topology-aware multi-task network called Topo-UNet, which integrates the Bidirectional Slice-wise ConvLSTM (BS-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.
Diabetic Retinopathy (DR) is a complication caused by diabetes that can destroy the retina, leading to blurred vision and even blindness. We propose a multi-attention residual refinement architecture that enhances conventional CNN performance through three strategic modifications: class-specific multi-attention for diagnostic feature weighting, space-to-depth preprocessing for improved spatial information preservation, and Squeeze-and-Excitation blocks for enhanced representational capacity. Our framework demonstrates universal applicability across different CNN architectures (ResNet, DenseNet
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 botanical origin of honey significantly impacts its nutritional composition, quality, and price. Traditional identification methods are often complex, require expensive equipment, and are time-consuming. This article proposes a rapid detection method for the botanical origin of honey based on an electronic tongue (ET) and hyperspectral imaging (HSI) combined with a CNN-transformer fusion model. First, gustatory and spectral data of honey samples from different botanical origins are collected by ET and HSI systems, respectively. A CNN-transformer fusion model is proposed to perform feature
СтатьяПоддержка 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: Tooth segmentation and diagnosis of dental crowding severity on 3D intraoral scan models are key processes for computer-aided analysis of orthodontic models. Conventional methods are time-consuming, inefficient, and subjective, necessitating more efficient and intelligent approaches. Therefore, we propose a two-stage intelligent workflow.
METHODS: In Stage 1, tooth segmentation is performed using an innovative dual-dilated graph convolutional network 1 (DDGCNet1). In Stage 2, Stage 1's output is converted to a point cloud, then processed by DDGCNet2 and post-processing to generate ar
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.
Multiple Myeloma (MM) is a cytogenetically heterogeneous clonal plasma cell proliferative disease whose diagnosis is supported by analyses on histological slides of bone marrow aspirate. In summary, experts use a labor-intensive methodology to compute the ratio between plasma cells and non-plasma cells. Therefore, the key aspect of the methodology is identifying these cells, which relies on the experts' attention and experience. In this work, we present a valuable dataset comprising more than 5,000 plasma and non-plasma cells, labeled by experts, along with some patient diagnostics. We also sh
СтатьяDatasetПоиск 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.
Recent models based on convolutional neural network (CNN) and Transformer have achieved the promising performance for 3D medical image segmentation. However, these methods cannot segment small targets well even when equipping large parameters. Therefore, We design a novel lightweight hybrid network that combines the strengths of CNN and Transformers (LW-CTrans) and can boost the global and local representation capability at different stages. Specifically, we first design a dynamic stem that can accommodate images of various resolutions. In the first stage of the hybrid encoder, to capture loca
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Large language models (LLMs) have recently revolutionized language processing tasks but have also brought ethical and legal issues. LLMs have a tendency to memorize potentially private or copyrighted information present in the training data, which might then be delivered to end users at inference time. When this happens, a naive solution is to retrain the model from scratch after excluding the undesired data. Although this guarantees that the target data have been forgotten, it is also prohibitively expensive for LLMs. Approximate unlearning offers a more efficient alternative, as it consists
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.
Rain often poses inevitable threats to deep neural network (DNN)-based perception systems, and a comprehensive investigation of the potential risks of rain to DNNs is of great importance. However, it is rather difficult to collect or synthesize rainy images that represent all rain situations that may occur in the real world. To this end, in this paper, we start from a new perspective and propose to combine two totally different studies, i.elet@tokeneonedot, rainy image synthesis and adversarial attack. We first present an adversarial rain attack, with which we could simulate various rain situa
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.
Few-Shot Learning (FSL) enables models to learn from just a few examples of new classes by leveraging knowledge from base classes. While FSL has made significant strides, its vulnerability to adversarial attacks-especially with limited data-has been overlooked. To address this, adversarial training is often used to build more robust models. However, we found that this approach can lead the model to memorize adversarial noise, which harms its ability to generalize. Hard labels exacerbate this issue by pushing the model toward perfect accuracy on adversarial examples, while also making it less r
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: To develop an artificial intelligence-assisted system for the automatic detection of the features of common 21 auricular points based on the YOLOv8 neural network.
METHODS: A total of 660 human auricular images from three research centers were collected from June 2019 to February 2024. The rectangle boxes and features of images were annotated using the LabelMe5.3.1 tool and converted them into a format compatible with the YOLO model. Using these data, transfer learning and fine-tuning training were conducted on different scales of pretrained YOLO neural network models. The model's
Аннотация на английскомСтатьяПоиск 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.
Unsupervised domain adaptive object detection (UDAOD) aims to effectively apply the detector trained on a labeled (source domain) and an unlabeled (target domain) dataset to the target domain. The mean teacher framework has demonstrated good applicability and wide application in this task. However, influenced by the difference between the two domains, the teacher model often generates many false positive objects. The pseudo-labels cannot sufficiently include all classes of objects in an image because of single-threshold filtering, causing the model to perform poorly in detection tasks. Therefo
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.
Noncovalent interactions, such as halogen bonds (XB), play a crucial role in molecular recognition and drug design, yet halogen···π contacts remain comparatively underexplored. Here, we report a proof-of-concept QM-AI approach that integrates high-level quantum mechanical (QM) calculations with neural networks (NNs) to predict halogen···π interaction energies. Nearly 1.4 million MP2/TZVPP single-point calculations on halobenzene-benzene complexes were carried out to generate exhaustive training data, which were represented by simple geometric descriptors as input features for machine learning.
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.
Quantifying emesis in Suncus murinus (S. murinus) has traditionally relied on direct observation or reviewing recorded behaviour, which are laborious, time-consuming processes that are susceptible to operator error. With rapid advancements in deep learning, automated animal behaviour quantification tools with high accuracy have emerged. In this study, we pioneere the use of both three-dimensional convolutional neural networks and self-attention mechanisms to develop the Automatic Emesis Detection (AED) tool for the quantification of emesis in S. murinus, achieving an overall accuracy of 98.92%
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.
Cardiomyopathy is a life-threatening condition associated with heart failure, arrhythmias, thromboembolism, and sudden cardiac death, posing a significant contribution to worldwide morbidity and mortality. Cardiomegaly, which is usually the initial radiologic sign, may reflect the progression of an underlying heart disease or an underlying undiagnosed cardiac condition. Chest radiography is the most frequently used imaging method for detecting heart enlargement. Prompt and accurate diagnosis is essential for prompt intervention and appropriate treatment planning to prevent disease progression
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.
Our study aims to provide a model of artificial neural networks called "ANN-MPX" that helps to monitor the disease spread and to plan response strategies. It emphasizes three main models, related to disease spread and elimination, namely a popular SIR model, a Force of Infection model and a Force of Elimination model. Our model can be used to predict the success or failure of Mpox elimination efforts in a given region based on epidemiological inputs.
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