Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
11 публикаций
Поиск: 606 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2 с найденным полным текстом
In the healthcare sector, e-diagnosis through medical images is essential in a multi-speciality hospital; securing the medical images becomes crucial for preserving an individual's privacy in e-healthcare applications. So, this paper has proposed a novel encryption scheme implemented on reconfigurable hardware. Realising image encryption schemes on FPGA hardware platforms offers substantial advantages over software implementations. The image-specific key and Hopfield Neural Network (HNN) carry out the diffusion process using the suggested encryption method. The confusion is accomplished simult
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.
Many existing memristive synaptic models merge presynaptic and postsynaptic activities into a single aggregated stimulus, making their distinct functional roles difficult to interpret. To address this issue, this paper proposes a memristive synapse with a pre-driven and post-gated state-update mechanism, in which presynaptic activity drives synaptic-state evolution while postsynaptic activity nonlinearly modulates the direction and strength of the update. The proposed synapse is embedded into a compact two-neuron memristive Hopfield neural network to investigate how this functional decompositi
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 present study concerns the dissipativity-based synchronization problem for the discrete-time switched neural networks with time-varying delay. Different from some existing research depending on the arbitrary and time-dependent switching mechanisms, all subsystems of the investigated delayed neural networks are permitted to be nondissipative. For reducing the switching frequency, the combined switching paradigm constituted by the time-dependent and state-dependent switching strategies is then constructed. In light of the proposed dwell-time-dependent storage functional, sufficient condition
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.
UNLABELLED: Associative memories in Hopfield's neural networks are mapped to gene expression pattern to model different paths of disease progression towards Multiple Myeloma (MM). The model is built using single cell RNA-seq data from bone marrow aspirates of MM patients as well as patients diagnosed with Monoclonal Gammopathy of Undetermined Significance (MGUS) and Smoldering Multiple Myeloma (SMM), two medical conditions that often progress to full MM.
RESULTS: We identify different clusters of MGUS, SMM, and MM cells, map them to Hopfield associative memory patterns, and model the dynamics
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 biological neural circuits, the dynamics of neurons and synapses are tightly coupled. We study the consequences of this coupling and show that it enables a form of working memory. In recurrent neural network models with ongoing Hebbian plasticity, we find that following oscillatory stimulation, neurons continue to oscillate long after the input is removed. This creates a dynamic form of memory that has no explicit storage or retrieval phases and that requires no prior knowledge of the input. We trace the mechanism of these "persistent oscillations" to an interaction between neurons and syna
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.
A feed-forward neural network is used for diagnosis of spastic paralysis. It is a two-layer perceptron and it is able to classify two kinds of myoelectric signal recorded in surface electromyography: the normal EMG and the EMG in the case of spastic paralysis. The myoelectric signal was recorded with a surface electrode pair and sampled at 10 kHz. The EMG activity is stochastic and the instantaneous amplitude distribution for a fixed level of contraction is Gaussian. The signal variance is considered a measure of muscle force. We can describe any kind of this process by the AR model. For a pre
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.
Existing methods for constructing multiscroll Hopfield neural network (HNN) result in the drawbacks of high sensitivity of model form to scroll count and growing complexity, posing bottlenecks and inconveniences for practical applications. To address this issue, this paper proposes a robust full-parameter control method to construct a novel memristive chain HNN (MCHNN) yielding multiscroll attractors, based on a newly designed memristor. By theoretical and numerical methods, the electrical characteristics of the memristor are analyzed in detail. Notably, the MCHNN features a simpler chain topo
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.
We introduce the Dreaming L-directional Associative Memory (DLAM), a multi-layer Hebbian architecture in which off-line dreaming and supervised heteroassociative coupling coexist within a single cost function, placing our approach within the framework of energy-based models (EBMs). The replica-symmetric free energy, derived via the Guerra interpolation scheme, yields self-consistency equations governing the order parameters across the control-parameter space. The effective local field decomposes into signal, intra-layer dreaming noise, and inter-layer noise. Dreaming improves retrieval by diff
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.
Reports an error in "The Ising Decision Maker: A binary stochastic network for choice response time" by Stijn Verdonck and Francis Tuerlinckx (Psychological Review, 2014[Jul], Vol 121[3], 422-462). An inaccurate assumption in Appendix B (provided in the erratum) led to an oversimplified result in Equation 18 (the diffusion equations associated with the microscopically defined dynamics). The authors sincerely thank Rani Moran for making them aware of the problem. Only the expression of the diffusion coefficient D is incorrect, and should be changed, as indicated in the erratum. Both the cause o
Опубликованное исправлениеПолный 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.
Artificial intelligence-integrated drug discovery and development has accelerated the growth of the pharmaceutical sector, leading to a revolutionary change in the pharma industry. Here, we discuss areas of integration, tools, and techniques utilized in enforcing AI, ongoing challenges, and ways to overcome them.
Полный текст 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.
The discovery and advances of medicines may be considered as the ultimate relevant translational science effort that adds to human invulnerability and happiness. But advancing a fresh medication is a quite convoluted, costly, and protracted operation, normally costing USD ~2.6 billion and consuming a mean time span of 12 years. Methods to cut back expenditure and hasten new drug discovery have prompted an arduous and compelling brainstorming exercise in the pharmaceutical industry. The engagement of Artificial Intelligence (AI), including the deep-learning (DL) component in particular, has bee
Полный текст 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.