This study proposes an advanced elevator fault precursor prediction method integrating Variational Mode Decomposition (VMD), Bidirectional Long Short-Term Memory (BILSTM), and an Autoencoder with an Attention Mechanism (AEAM), collectively referred to as the VMD-BILSTM-AEAM algorithm. This model addresses the challenges of feature redundancy and noise interference in elevator operation data, improving the stability and accuracy of fault predictions. Using a dataset of elevator operation parameters, including current, voltage, and running speed, the model utilizes the Attribute Correlation Dens
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 deployment of Large Language Models (LLMs) has been constrained by their substantial hardware requirements and associated costs. Quantization techniques have emerged as a promising solution to address these challenges. Recently, BitNet [Wang et al., 2023] proposed to use ternary values (+1, 0, -1) for weight quantization showing particular promise in eliminating multiplication operations, further significantly reducing the latency and energy consumption. However, BitNet's requirement for training models from scratch limits its scalability to models larger than 3 billion parameters. This pa
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
The 3D shape measurement of internal organs is crucial for both diagnosis and surgery using endoscopy and colonoscopy. While various attempts have been made to develop 3D endoscopic systems, active one-shot scanning methods are particularly advantageous as they integrate seamlessly with existing systems. However, these methods suffer from issues such as noise and reduced accuracy due to unstable pattern detection. To address these challenges, we propose an approach based on neural signed distance field (neural SDF), incorporating a pattern reflection model. Our method, while utilizing structur
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.
For human-robot gesture-driven control, this paper proposes a deep learning-based approach that employs both static and dynamic gestures to drive and control robots for object-grasping and delivery tasks. The method utilizes two-dimensional Convolutional Neural Networks (2D-CNNs) for static gesture recognition and a hybrid architecture combining three-dimensional Convolutional Neural Networks (3D-CNNs) and Long Short-Term Memory networks (3D-CNN+LSTM) for dynamic gesture recognition. Results on a custom gesture dataset demonstrate validation accuracies of 95.38% for static gestures and 93.18%
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.
Mitigating catastrophic forgetting remains a fundamental challenge in incremental learning. This paper identifies a key limitation of the widely used softmax cross-entropy loss: the non-identifiability inherent in the standard softmax cross-entropy distillation loss. To address this issue, we propose two complementary strategies: (1) adopting an imbalance-invariant distillation loss to mitigate the adverse effect of imbalanced weights during distillation, and (2) regularizing the original prediction/distillation loss with shift-sensitive alternatives, which render the optimization problem iden
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.
As breath nitric oxide (NO) is a biomarker of respiratory inflammation, reliable techniques for the online detection of ppb-level NO in exhaled breath are essential for the noninvasive diagnosis of respiratory inflammation. Here, we report a breath NO sensor based on the multiperiodic spectral reconstruction neural network. First, a spectral reconstruction method that transforms a spectrum from the wavelength domain to the intensity domain is proposed to remove noise and interference signals from the spectrum. Different from the traditional spectral processing method based on the wavelength do
СтатьяПоддержка исследования: вне 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.
Detecting multicomponent gases over extensive concentration ranges with laser spectroscopy faces challenges of complex configurations, intricate spectral analysis, and reduced accuracy. Neural networks offer transformative potential for advancing laser spectroscopy by facilitating real-time optimization and automation of experimental processes. Here, we report a frequency-modulated continuous-wave (FMCW) spectroscopic system enhanced by a feedforward neural network (FNN) algorithm. FMCW encodes gas absorption spectra into optical signals, enabling both spatial localization and spectroscopic an
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.
Atrial fibrillation (AFIB) and ventricular fibrillation (VFIB) are two critical cardiovascular diseases, where accurate diagnosis is essential for timely intervention. Although deep learning technology has greatly improved the diagnostic accuracy of AFIB and VFIB, its performance degrades significantly under compound noise conditions. To address this challenge, we propose GDT-Net, a neural network specifically designed for robust ECG classification under compound noise conditions. GDT-Net comprises three key modules: the G Module, D Module, and T Module, each contributing to a comprehensive an
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Fingerprints are widely used as biometric parameters for identification purposes because of their uniqueness. Moreover, many digital devices have employed fingerprints for security purposes throughout the world. An automatic artificial intelligence-based classification system can reduce the time spent running through the database for fingerprint matching by arranging fingerprints into disjoint classes. It can also help classify fingerprints at the crime scene easily and quickly. The present study proposed a convolutional neural network (CNN) model for the multiclass classification of fingerpri
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.
Weakly supervised instance segmentation (WSIS) aims to identify individual instances from weakly supervised semantic segmentation precisely. Existing WSIS techniques primarily employ a unified, fixed threshold to identify all peaks in semantic maps. It may lead to potential missed or false detections due to the same category but with diverse visual characteristics. Moreover, previous methods apply a fixed augmentation strategy to broadly propagate peak cues to contributing regions, resulting in instance adhesion. To eliminate these manually fixed parsing patterns, we propose a triple adaptive-
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.
The expansion of large-scale materials databases has facilitated the development of graph-based representations, encoding structural and functional similarities as edges in data-driven networks. These enable machine learning models to leverage both local features and global relationships. However, densely connected datasets often introduce redundancy and noise, escalating computational complexity without improving performance. Here, we introduce the Black Hole Strategy, a gravity-based representative sampling method that constructs compact, informative subsets from large materials datasets whi
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 and real-time monitoring of motor operating states is essential for ensuring the reliability, safety, and efficiency of modern industrial systems. This paper presents a multi-sensor fusion framework for intelligent motor condition monitoring, which integrates wavelet-based feature extraction, shallow neural network classification, and evidence-theoretic decision fusion. A compact hardware platform is developed to synchronously acquire vibration, acoustic, and magnetic field signals under multiple motor operating conditions. The acquired signals are segmented using sliding windows 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.
Backdoor attacks present a significant threat to the reliability of machine learning models, including Graph Neural Networks (GNNs), by embedding triggers that manipulate model behavior. While many existing defenses focus on identifying these vulnerabilities, few address restoring model accuracy after an attack. This paper introduces a method for restoring the original accuracy of GNNs affected by backdoor attacks, a task complicated by the complex structure of graph data. Our approach combines advanced filtering and augmentation techniques that enhance the GNN's resilience against hidden trig
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 increasing prevalence and severity of eye diseases worldwide underscore the urgent need for advanced diagnostic tools and interventions to address the growing burden on global public health. The study on eye disease classification holds significant relevance due to its potential impact on enhancing early detection, diagnosis, and treatment of various ocular conditions. Timely and accurate identification of eye diseases such as cataracts, glaucoma and diabetic retinopathy is crucial for preventing vision loss and improving overall patient outcomes. This innovative model leverages the synerg
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.
Graph contrastive learning seeks to improve the efficacy of graph representation learning by comparing various graph representations. Existing approaches predominantly rely on node attributes or structural information for contrastive analysis. However, in real-world applications, node attribute information can be incomplete or entirely absent, while structure-enhancement methods often generate false positive samples. To mitigate these issues, we propose a feature augmentation-based graph contrastive learning method (FA-GCL) that enhances the accuracy and robustness of graph representations. Sp
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.
Indian Classical Dance (ICD) is a cultural art form much older than history, where the body movements convey emotions, spiritual meanings, or narrative meanings. Automated classification of ICD styles from visual data presents great challenges because of subtle inter-class variations, intra-class variations, and the complexity of human pose representation. Deep learning models have been applied to this kind of work, but the performance is usually limited due to suboptimal parameter tuning. Therefore, this work introduces a new approach to optimize Deep Belief Network (DBN) for accurate classif
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 development of reliable predictive models for nephrotoxic agents remains a critical challenge in drug development, given safety concerns associated with kidney toxicity. Conventional molecular descriptors generally fail to capture essential spatial and electronic features necessary for accurate nephrotoxicity prediction, underscoring the need for novel descriptor approaches. This study presents a novel projection-based method for nephrotoxicity prediction by converting chemical structures into 2D maps for deep learning via 3D spatial transformation to enhance both feature representation an
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 OBJECTIVES: Recently, artificial intelligence (AI) has been applied to otolaryngology. However, existing supervised learning methods cannot easily predict data outside the learning domain. Moreover, collecting diverse medical data has become demanding owing to privacy concerns. Consequently, these limitations hinder the applications of AI in clinical settings. To address these issues, this study proposes a Cooperative Observation Network (CON), using an unsupervised anomaly detection approach. Anomaly detection is the process of identifying data patterns that deviate from the ma
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.
Dengue fever poses a formidable epidemiological challenge, particularly for vulnerable groups such as infants. This research paper establishes a mathematical model to describe the dynamics of secondary immunity in infants against dengue hemorrhagic fever, who acquired primary immunity through maternal antibodies. The effect of passive immunity in the form of dengue immunoglobulin is analyzed for high-risk patients for different scenarios, including standard dengue infections, host with pre-existing immunity, delayed diagnosis or treatment, and end-stage dengue cases. Convergence analysis of th
СтатьяПоддержка исследования: вне 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.
Ulcerative Colitis is an Inflammatory Bowel disease caused by a variety of factors that lead to a serious impact on the quality of life of the patients if left untreated. Due to complexities in the identification procedures of this disease, the treatment timeline and quality can be severely affected, leading to further consequences for the sufferer. The difficulties in identification are due to high patients to healthcare professionals ratio. Researchers have proposed variety of machine/deep learning methods for automated detection of ulcerative colitis, however, several challenges exists incl
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.
MedElevator
Войти в исследования