K-sparse encoder for efficient information retrieval

Συγγραφείς: V. Yu. Dobrynin

Πηγή: Научно-технический вестник информационных технологий, механики и оптики, Vol 25, Iss 4, Pp 710-717 (2025)

Θεματικοί όροι: информационный поиск, разреженные векторные представления, k-sparse автоэнкодер, функция активации topk, инвертированный индекс, одностадийная архитектура, Information technology, T58.5-58.64

Περιγραφή αρχείου: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/496; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Σύνδεσμος πρόσβασης: https://doaj.org/article/daefb2c5ed754c63a884c1524473d7ff

Research and development of image masking strategy to improve masked autoencoder efficiency ; Исследование и разработка стратегии маскирования изображений для повышения эффективности масочного автоэнкодера

Συγγραφείς: Килина, М. Л., Буряк, Д. Ю.

Πηγή: System Analysis in Science and Education = Sistemnyj analiz v nauke i obrazovanii; No. 1 (2025); 8-15 ; Системный анализ в науке и образовании; № 1 (2025); 8-15 ; 2071-9612

Θεματικοί όροι: нейронные сети, глубокое обучение, обучение с самоконтролем, моделирование маскированного изображения, модель ViT, масочный автоэнкодер, neural networks, deep learning, self-supervised learning, masked image modeling, ViT model, masked autoencoder

Περιγραφή αρχείου: application/pdf

Relation: https://sanse.ru/index.php/sanse/article/view/647/615; https://sanse.ru/index.php/sanse/article/view/647

Διαθεσιμότητα: https://sanse.ru/index.php/sanse/article/view/647

Классификация потокового временного ряда на основе нейросетевых технологий и поведенческих шаблонов

Συγγραφείς: Goglachev, A.I.

Θεματικοί όροι: УДК 004.272.25, autoencoder, time series classification, автоэнкодер, поведенческие шаблоны (сниппеты) временного ряда, УДК 004.048, классификация временных рядов, нейронные сети, time series, УДК 519.254, neural networks, временной ряд, time series behavioral patterns (snippets)

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://dspace.susu.ru/xmlui/handle/00001.74/62625

Восстановление многомерных временных рядов на основе выявления поведенческих шаблонов и применения автоэнкодеров

Συγγραφείς: Yurtin, A.A.

Θεματικοί όροι: автоэнкодер, поведенческие шаблоны (сниппеты) временного ряда, autoencoders, imputation of missing values, УДК 004.048, нейронные сети, behavioral patterns (snippets) of time series, time series, УДК 519.254, neural networks, восстановление пропущенных значений, временной ряд

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://dspace.susu.ru/xmlui/handle/00001.74/62618

Обнаружение мошеннических транзакций с использованием нейросетей: выпускная квалификационная работа бакалавра

Θεματικοί όροι: autoencoder, financial transactions, neural networks, машинное обучение, anomaly detection, machine learning, автоэнкодер, выявление аномалий, мошенничество, финансовые транзакции, fraud, LSTM, нейросети, XGBoost

МЕТОД ПРОГНОЗИРОВАНИЯ ОШИБКИ ВРЕМЕНИ ОБУЧЕНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ВОССТАНОВЛЕНИЯ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ

Θεματικοί όροι: autoencoder, neural network models, поиск архитектуры нейросетей, graph neural networks, восстановление пропущенных значений, missing value imputation, performance prediction, время обучения, neural architecture search, автоэнкодер, ошибка, механизм внимания, графовые нейронные сети, time series, attention mechanism, временные ряды, нейросетевые модели

МЕТОДИКА ЗАЩИТЫ СИСТЕМ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ ОТ СОСТЯЗАТЕЛЬНЫХ АТАК НА ОСНОВЕ ШУМОПОДАВЛЯЮЩИХ АВТОЭНКОДЕРОВ1

Θεματικοί όροι: атаки на компоненты машинного обучения, autoencoder, кибербезопасность, автоэнкодер, cyber security, intrusion detection, обнаружение вторжений, deep learning, attacks against machine learning components, глубокое обучение

ВЫЯВЛЕНИЕ АНОМАЛИЙ В ФИНАНСОВЫХ ТРАНЗАКЦИЯХ С ПРИМЕНЕНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ

Θεματικοί όροι: transportation, autoencoder, искусственный интеллект, автоэнкодер, анализ данных, data analysis, deep learning, мошенничество, транспорт, fraud, глубокое обучение, artificial intelligence

Review methods for breast cancer detection using artificial intelligence and deep learning methods ; Обзор методов выявления рака молочной железы с использованием искусственного интеллекта и методов глубокого обучения ; Огляд методів виявлення раку молочної залози з використанням штучного інтелекту і методів поглибленого навчання

Συγγραφείς: Naderan, Maryam

Πηγή: System research and information technologies; No. 1 (2021); 98-102 ; Системные исследования и информационные технологии; № 1 (2021); 98-102 ; Системні дослідження та інформаційні технології; № 1 (2021); 98-102 ; 2308-8893 ; 1681-6048

Θεματικοί όροι: згортковий автоенкодер, розпізнавання рака молочної залози, алгоритми машинного навчання, згорткові нейронні мережі, класифікація медичних зображень, сверточный автоэнкодер, распознавание рака молочной железы, алгоритмы машинного обучения, сверточные нейронные сети, классификация медицинских изображений, convolutional autoencoder, breast cancer detection, machine learning algorithms, convolutional neural networks, medical image classification

Περιγραφή αρχείου: application/pdf

Relation: http://journal.iasa.kpi.ua/article/view/222779/235363; http://journal.iasa.kpi.ua/article/view/222779

Διαθεσιμότητα: http://journal.iasa.kpi.ua/article/view/222779
https://doi.org/10.20535/SRIT.2308-8893.2021.1.08

Review methods for breast cancer detection using artificial intelligence and deep learning methods

Πηγή: System research and information technologies; No. 1 (2021); 98-102
Системные исследования и информационные технологии; № 1 (2021); 98-102
Системні дослідження та інформаційні технології; № 1 (2021); 98-102

Θεματικοί όροι: алгоритмы машинного обучения, розпізнавання рака молочної залози, сверточный автоэнкодер, breast cancer detection, згортковий автоенкодер, згорткові нейронні мережі, convolutional autoencoder, 3. Good health, алгоритми машинного навчання, machine learning algorithms, классификация медицинских изображений, convolutional neural networks, распознавание рака молочной железы, класифікація медичних зображень, сверточные нейронные сети, medical image classification

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://journal.iasa.kpi.ua/article/view/222779

Processing of noisy digital images with use of evolving autoencoders

Συγγραφείς: Bezsonov, Oleksandr, Rudenko, Oleg, Udovenko, Serhii, Dudinova, Olga

Πηγή: Східно-Європейський журнал передових технологій; Том 6, № 9 (90) (2017): Інформаційно-керуючі системи; 63-69
Восточно-Европейский журнал передовых технологий; Том 6, № 9 (90) (2017): Информационно-управляющие системы; 63-69
Eastern-European Journal of Enterprise Technologies; Том 6, № 9 (90) (2017): Information and controlling system; 63-69

Θεματικοί όροι: 03 medical and health sciences, 0302 clinical medicine, обработка цифровых изображений, фильтрация шумов, эволюция, популяция, искусственная нейронная сеть, генетический алгоритм, автоэнкодер, обробка цифрових зображень, фільтрація шумів, еволюція, популяція, штучна нейронна мережа, генетичний алгоритм, автоенкодер, 0211 other engineering and technologies, 0202 electrical engineering, electronic engineering, information engineering, UDC 004.852, 02 engineering and technology, digital image processing, noise filtering, evolution, population, artificial neural network, genetic algorithm, autoencoder

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://journals.uran.ua/eejet/article/download/116134/114794
http://journals.uran.ua/eejet/article/view/116134
http://journals.uran.ua/eejet/article/download/116134/114794
http://journals.uran.ua/eejet/article/view/116134

Development of a generative adversarial neural network for identification of potential HIV-1 inhibitors by deep learning methods ; Разработка генеративной состязательной нейронной сети для идентификации потенциальных ингибиторов ВИЧ-1 методами глубокого обучения

Συγγραφείς: G. I. Nikolaev, N. A. Shuldov, A. I. Anishenko, A. V. Tuzikov, A. M. Andrianov, Г. И. Николаев, Н. А. Шульдов, А. И. Анищенко, А. В. Тузиков, А. М. Андрианов

Πηγή: Informatics; Том 17, № 1 (2020); 7-17 ; Информатика; Том 17, № 1 (2020); 7-17 ; 2617-6963 ; 1816-0301

Θεματικοί όροι: методы молекулярного моделирования, a generative adversarial neural network, gp120 protein, HIV-1 entry inhibitors, molecular modeling, генеративно-состязательный автоэнкодер, белок gp120, ингибиторы проникновения ВИЧ-1

Περιγραφή αρχείου: application/pdf

Relation: https://inf.grid.by/jour/article/view/1045/932; Cherkasov A., Muratov E. N., Fourches D., Varnek A., Baskin I. I., …, Tropsha A. QSAR modeling: where have you been? Where are you going to? Journal of Medicinal Chemistry, 2014, vol. 201457, рр. 4977–5010.; Ali S. M., Hoemann M. Z., Aubé J., Georg G. I., Mitscher L. A., Jayasinghe L. R. Butitaxel analogues: Synthesis and structure-activity relationships. Journal of Medicinal Chemistry, 1997, vol. 40, рр. 236–241.; Vamathevan J., Clark D., Czodrowski P., Dunham I., Ferran E., …, Zhao S. Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 2019, vol. 18(6), рр. 463–477.; Dubey A. Machine learning approaches in drug development of HIV/AIDS. International Journal of Molecular Biology: Open Access, 2018, vol. 3(1), рр. 23–25.; Li W., Lu L., Li W., Jiang S. Small-molecule HIV-1 entry inhibitors targeting gp120 and gp41: a patent review (2010-2015). Expert Opinion on Therapeutic Patents, 2017, vol. 27, рр. 707–719.; Kadurin A., Aliper A., Kazennov A., Mamoshina P., Vanhaelen Q., Khrabrov K., Zhavoronkov A. The cornucopia of meaningful leads: Applying deep adversarial autoencoders for new molecule development in oncology. Oncotarget, 2017, vol. 8, рр. 10883–10890.; Xu B., Wang N., Chen T., Li M. Empirical Evaluation of Rectified Activations in Convolutional Network, 2015. Available at: https://arxiv.org/abs/1505.00853 (accessed 12.11.2019).; Rudoy G. I. The Choice of the Activation Function in the Prediction of Neural Networks. Machine Learning and Data Analysis, 2011, no. 1, pp. 16–39. Available at: https://arxiv.org/abs/1412.6980 (accessed 12.11.2019).; Kingma D., Ba J. Adam: A Method for Stochastic Optimization, 2014.; Van der Maaten L. Visualizing data using t-SNE. Journal of Machine Learning Research, 2008, vol. 9, рр. 2579–2605.; Kolb H. C., Finn M. G., Sharpless K. B. Click chemistry: Diverse chemical function from a few good reactions. Angewandte Chemie International Edition, 2001, vol. 40, no. 11, рр. 2004–2021.; Irwin J. J., Shoichet B. K. ZINC  a free database of commercially available compounds for virtual screening. Journal of Chemical Information and Modeling, 2005, vol. 45, no. 1, рр. 177–182.; Irwin J. J., Sterling T., Mysinger M. M., Bolstad E. S., Coleman R. G. ZINC: a free tool to discover chemistry for biology. Journal of Chemical Information and Modeling, 2012, vol. 52, no. 7, рр. 1757–1768.; Courter J. R., Madani N., Sodroski J., Schön A., Freire E., …, Smith A. B. 3rd. Structure-based design, synthesis and validation of CD4-mimetic small molecule inhibitors of HIV-1 entry: Conversion of a viral entry agonist to an antagonist. Accounts of Chemical Research, 2014, vol. 47, рр. 1228–1237.; Curreli F., Kwon Y. D., Zhang H., Scacalossi D., Belov D. S., …, Debnath A. K. Structure-based design of a small molecule CD4-antagonist with broad spectrum anti-HIV-1 activity. Journal of Medicinal Chemistry, 2015, vol. 58, рр. 6909–6927.; Durrant J. D., McCammon J. A. AutoClickChem: click chemistry in silico. PLOS Computational Biology, 2012, vol. 8, no. 3, e1002397. https://doi.org/10.1371/journal.pcbi.1002397; Lipinski C. A., Lombardo F., Dominy B. W., Feeney P. J. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings. Advanced Drug Delivery Reviews, 2001, vol. 46, no. 1–3, рр. 3–26.; Alhossary A., Handoko S. D., Mu Y., Kwoh C. K. Fast, accurate, and reliable molecular docking with QuickVina 2. Bioinformatics, 2015, vol. 31, no. 13, рр. 2214–2216.; Kwong P. D., Wyatt R., Robinson J., Sweet R. W., Sodroski J., Hendrickson W. A. Structure of an HIV gp120 envelope glycoprotein in complex with the CD4 receptor and a neutralizing human antibody. Nature, 1998, vol. 393, рр. 648–659.; Blahut R. E. Theory and Practice of Error Control Codes. Addison-Wesley, 1983, 500 р.; Tanimoto T. T. IBM Internal Report 17th. IBM Corp., Armonk, New York, 1957.; Myszka D. G., Sweet R. W., Hensley P., Brigham-Burke M., Kwong P. D., …, Doyle M. L. Energetics of the HIV gp120-CD4 binding reaction. Proceedings of the National Academy of Sciences, 2000, vol. 97, рр. 9026–9031.; Andrianov A. M., Nikolaev G. I., Kornoushenko Y. V., Xu W., Jiang S., Tuzikov A. V. In silico identification of novel aromatic compounds as potential HIV-1 entry inhibitors mimicking cellular receptor CD4. Viruses, 2019, vol. 11, E746. https://doi.org/10.3390/v11080746; Andrianov A. M., Nikolaev G. I., Kornoushenko Y. V., Huang J., Jiang S., Tuzikov A. V. Virtual screening and identification of potential HIV-1 inhibitors based on cross-reactive neutralizing antibody N6. Doklady of the National Academy of Sciences of Belarus, 2019, vol. 63, no. 4, рр. 445–456.; Andrianov A. M., Nikolaev G. I., Kornoushenko Y. V., Karpenko A. D., Huang J., Jiang S., Tuzikov A. V. Identification of functional mimetics of the neutralizing anti-HIV antibody N6 by virtual screening and molecular modeling N6. Doklady of the National Academy of Sciences of Belarus, 2019, vol. 63, no. 5, рр. 561–571.; Andrianov A. M., Nikolaev G. I., Kornoushenko Y. V., Huang J., Jiang S., Tuzikov A. V. In silico identification of high-affinity ligands of the HIV-1 gp120 protein, potential peptidomimetics of neutralizing antibody N6. Mathematical Biology and Bioinformatics, 2019, vol. 14, no. 2, рр. 430–449.; Curreli F., Kwon Y. D., Belov D .S., Ramesh R. R., Kurkin A. V., …, Debnath A. K. Synthesis, antiviral potency, in vitro ADMET, and X-ray structure of potent CD4 mimics as entry inhibitors that target the Phe43 cavity of HIV-1 gp120. Journal of Medicinal Chemistry, 2017, vol. 60, рр. 3124–3153.; https://inf.grid.by/jour/article/view/1045

Διαθεσιμότητα: https://inf.grid.by/jour/article/view/1045
https://doi.org/10.37661/1816-0301-2020-17-1-7-17

Исследование и реализация метода синтеза вариационного автоэнкодера и генеративно-состязательных сетей в задачах создания новых медицинских данных

Συγγραφείς: Лаптев, Владислав Витальевич

Συνεισφορές: Гергет, Ольга Михайловна

Θεματικοί όροι: синтетические данные, алгоритм, искусственные нейронные сети, интеллектуальные системы, вариационный автоэнкодер, генеративно-состязательные сети, модель, synthetic data, algorithm, artificial neural networks, intelligent systems, variational autoencoder, generative adversarial networks, model, 09.04.01, 004.7.032.26:004.312.26:616-07

Περιγραφή αρχείου: application/pdf

Relation: http://earchive.tpu.ru/handle/11683/66490

Διαθεσιμότητα: http://earchive.tpu.ru/handle/11683/66490

Intellectual processing of spatial data in the GIS of landscape-ecological monitoring

Πηγή: Bionics of Intelligence; Vol. 2 No. 95 (2020): Scientific and Technical Journal "Bionics of Intelligence"; 43-50
Бионика интеллекта; Том 2 № 95 (2020): Научно-технический журнал "Бионика интеллекта"; 43-50
Біоніка інтелекту; Том 2 № 95 (2020): Науково-технічний журнал "Біоніка інтелекту"; 43-50

Θεματικοί όροι: ЭКОЛОГИЧЕСКИЙ МОНИТОРИНГ, НЕЙРОСЕТЕВАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ, СЕГМЕНТАЦИЯ, ГЕНЕТИЧЕСКАЯ ОПТИМИЗАЦИЯ, АВТОЭНКОДЕР, ЕКОЛОГІЧНИЙ МОНІТОРИНГ, НЕЙРОМЕРЕЖЕВА ОБРОБКА ЗОБРАЖЕНЬ, СЕГМЕНТАЦІЯ, ГЕНЕТИЧНА ОПТИМІЗАЦІЯ, АВТОЕНКОДЕР, ECOLOGICAL MONITORING, NEURAL NETWORK IMAGE PROCESSING, SEGMENTATION, GENETIC OPTIMIZATION, AUTOENCODER

Περιγραφή αρχείου: application/pdf

Σύνδεσμος πρόσβασης: http://bionics.nure.ua/article/view/228460

Обнаружение аномалий в технологических сигналах с применением нейросетевой архитектуры типа автоэнкодер

Θεματικοί όροι: технологический сигнал, автоэнкодер, АСУТП, предиктивная аналитика, мониторинг оборудования, аномалия, нейронная сеть

Искусственный интеллект и нейронные сети – инструменты кадастровой оценки недвижимости в составе Национальной системы пространственных данных

Θεματικοί όροι: digital territory model, autoencoder neural network, нейронная сеть Р СА, PCA neural network, Национальная система пространственных данных, National spatial data system, анализ главных компонент сети, principal network component analysis, цифровая модель территории, нейронная сеть автоэнкодер

System Analysis of the Sizes of the Fragment of Images of Aerial Photography of Agricultural Lands for the Search of Anomalies in these by Machine Learning Methods ; Системный анализ размеров фрагмента изображений аэрофотосъемки сельскохозяйственных угодий для поиска аномалий в них методами машинного обучения ; СИСТЕМНИЙ АНАЛІЗ РОЗМІРІВ ФРАГМЕНТА ЗОБРАЖЕНЬ АЕРОФОТОЗЙОМКИ СІЛЬСЬКОГОСПОДАРСЬКИХ УГІДЬ ДЛЯ ПОШУКУ АНОМАЛІЙ У НИХ МЕТОДАМИ МАШИННОГО НАВЧАННЯ

Συγγραφείς: Мокін, В. Б., Грузман, Д. М., Довгополюк, С. О., Лотоцький, А. О.

Πηγή: Visnyk of Vinnytsia Politechnical Institute; No. 3 (2019); 75-85 ; Вестник Винницкого политехнического института; № 3 (2019); 75-85 ; Вісник Вінницького політехнічного інституту; № 3 (2019); 75-85 ; 1997-9274 ; 1997-9266 ; 10.31649/1997-9266-2019-144-3

Θεματικοί όροι: aerial photography, image analysis, autoencoder, deep training, machine learning, agricultural land, detection of anomalies, clusterization, аэрофотосъемка, анализ изображений, автоэнкодер, глубинное обучение, машинное обучение, сельскохозяйственное угодье, выявление аномалии, кластеризация, аерофотозйомка, аналіз зображень, автоенкодер, глибинне навчання, машинне навчання, сільськогосподарське угіддя, виявлення аномалії, кластеризація

Περιγραφή αρχείου: application/pdf

Relation: https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2366/2292; https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2366

Διαθεσιμότητα: https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2366
https://doi.org/10.31649/1997-9266-2019-144-3-75-85

Автоматическая генерация семантически связного текста методами машинного обучения

Συγγραφείς: Кривошеев, Николай Анатольевич

Συνεισφορές: Спицын, Владимир Григорьевич

Θεματικοί όροι: генерация текста, генеративно-состязательная нейронная сеть, SeqGAN, LSTM, автоэнкодер, предварительная обработка текстовых данных, машинное обучение, text generation, generative adversarial network, autoencoder, text data preprocessing, machine learning, 09.04.01, 004.822:004.85

Περιγραφή αρχείου: application/pdf

Relation: Кривошеев Н. А. Автоматическая генерация семантически связного текста методами машинного обучения : магистерская диссертация / Н. А. Кривошеев; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ); науч. рук. В. Г. Спицын. — Томск, 2020.; http://earchive.tpu.ru/handle/11683/61446

Διαθεσιμότητα: http://earchive.tpu.ru/handle/11683/61446

DIAGNOSTIC SYSTEM BASED ON AUTOENCODERS ; Диагностическая система на базе автоэнкодеров ; Діагностична система на базі автоенкодерів

Συγγραφείς: Sineglazov, V. M., Kostiuchenko, S. V.

Πηγή: Electronics and Control Systems; Vol. 1 No. 55 (2018); 23-28 ; Электроника и системы управления; Том 1 № 55 (2018); 23-28 ; Електроніка та системи управління; Том 1 № 55 (2018); 23-28 ; 1990-5548

Θεματικοί όροι: Image, recognition, autoencoders, neural network, layer, convolution, perceptron, training, UDC 629.735.05 (045), Изображение, распознавание, автоэнкодер, нейронная сеть, слой, сверточная, персептрон, обучение, УДК 629.735.05 (045), Зображення, розпізнавання, автоенкодер, нейронна мережа, шар, згорткова, навчання

Περιγραφή αρχείου: application/pdf

Relation: https://jrnl.nau.edu.ua/index.php/ESU/article/view/12771/17600; https://jrnl.nau.edu.ua/index.php/ESU/article/view/12771

Διαθεσιμότητα: https://jrnl.nau.edu.ua/index.php/ESU/article/view/12771
https://doi.org/10.18372/1990-5548.55.12771

DEEP NEURAL NETWORKS FOR PREDICTIVE MAINTENANCE

Πηγή: МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ. 7:11-12

Θεματικοί όροι: predictive maintenance, data-driven methods, deep neural networks, автоэнкодер, autoencoders, глубокие нейронные сети, методы на основе данных, LSTM, предсказательное техническое обслуживание, CNN