Журналы

Российские исследователи из Научно-технологического университета "Сириус" рассмотрели возможность применения нейросетей для анализа рентгеновских изображений грузов и транспортных средств. Авторы предлагают решение, которое помогает автоматически находить запрещённые предметы на изображениях инспекционно-досмотровых комплексов. В его основе - ансамбль моделей: одни нейросети находят подозрительные объекты, а другие дополнительно проверяют найденные фрагменты, чтобы снизить количество ложных срабатываний и повысить точность распознавания.

В условиях развития междисциплинарных исследовательских инфраструктур возрастает необходимость их адаптации к специфике отдельных предметных областей. Универсальные решения, ориентированные на обеспечение исследователей обобщенными типами исследовательских данных, не могут быть одинаково эффективными для разных направлений научных исследований.

В задаче классификации по прецедентам под прецедентной (обучающей) информацией понимается совокупность примеров изучаемых объектов, в которой каждый объект представлен в виде числового вектора, полученного на основе наблюдения ряда его признаков. Каждый пример приписан к определенному классу объектов. Требуется на основе анализа прецедентной информации уметь классифицировать новые  объекты. Среди подходов к решению этой задачи важное место занимают  методы логического анализа данных.

Методы вейвлет-анализа широко используются при решении обратных статистических задач для обращения линейных однородных операторов. Преимущество этих методов заключается в вычислительной эффективности и возможности адаптации как к виду оператора, так и к локальным особенностям оцениваемой функции. Для подавления шума в наблюдаемых данных применяется