#нейронные сети

Ученые Сколтеха разработали метод обучения алгоритмов компьютерного зрения, повышающий точность обработки данных при наличии ограниченных исходных выборок. Благодаря новому методу решение различных задач дистанционного зондирования станет проще не только для компьютеров, но в перспективе и для пользователей данных.

Группа ученых из Московского физико-технического института и Казанского национального исследовательского технологического университета имени А. Н. Туполева разрабатывает математический аппарат, способный привести к прорыву в области сетевой безопасности.

Международный коллектив ученых разработал алгоритм, который находит сужения кровеносных сосудов сердца на диагностических изображениях. В 94 процентах случаев модель верно определяет проблемные участки на картинке в реальном времени. Это поможет кардиологам автоматически выявлять зоны патологических изменений у пациентов с ишемической болезнью сердца во время коронарной ангиографии.

Ученые из Пермского Политеха создали проект устройства для автоматического гистологического анализа. Разработка позволит оперативно выявлять клеточные патологии, в том числе онкопатологии, у человека и животных. В перспективе действия, которые сейчас выполняют несколько лаборантов, аппарат сможет производить быстрее и дешевле. Исследователи провели серию экспериментов, которые показали точность распознавания заболеваний до 92 процентов.

Исследователи из Сколтеха совместно с одним из крупных европейских банков разработали нейронную сеть, которая превосходит самые современные решения в области использования данных о банковских транзакциях для оценки кредитоспособности клиентов.

Исследователям Сколтеха удалось показать, что паттерны, способные приводить к ошибкам в работе нейронных сетей при распознавании изображений, по сути можно назвать широко встречающимися в природе Тьюринг-подобными паттернами. В перспективе полученные результаты можно будет использовать для защиты систем распознавания, которые пока остаются уязвимыми для внешних атак.

Ученые Сколтеха показали, что квантовое машинное обучение может применяться для квантовых (а не классических) данных. Таким образом устраняется свойственный для классических приложений недостаток – низкая скорость работы, и закладываются основы для понимания вычислительных аспектов квантовых систем.

Ученые из МФТИ совместно с коллегами из Института системного программирования и Института глазных исследований имени Чарльза Шепенса Гарвардской школы медицины (США) разработали нейросеть, способную распознавать ткани формирующейся сетчатки еще до ее окончательной дифференцировки. Для этого алгоритму, в отличие от человека, не требуется дополнительной модификации клеток. Это позволяет применять метод при выращивании сетчатки для пересадки.

Ученые представили новый способ обработки биологических изображений. Разработанный в Сколтехе алгоритм позволяет точно вычленять отдельные биологические объекты из сложных фотографий. Метод может найти применение в научных исследованиях и медицинской практике.

Группа исследователей из Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных (CDISE) Сколтеха приняла участие в международном конкурсе прогнозирования уровня интеллекта подростков по МРТ мозга. Для решения этой задачи ученые из Сколтеха впервые применили ансамблевые методы на основе 3D-сетей глубинного обучения.

Команда ученых из Лаборатории наноматериалов Сколтеха предложила метод для контроля за ростом углеродных нанотрубок с помощью нейронных сетей. Способ открывает перспективы для создания сложных электронных устройств нового поколения.

Ученые разработали искусственную схему, проявляющую электрические характеристики и способную привести к «постчеловеческой революции».

Теперь для разработки алгоритмов искусственного интеллекта разработчикам понадобятся только лэптоп и небольшое устройство с нейронной сетью.

Самый большой нейроморфный суперкомпьютер, разработанный и собранный так же, как человеческий мозг, и оснащенный процессором с одним миллионом ядер, включен.

Ученые из США используют технику машинного обучения, вдохновленную мозгом, для повышения энергетической производительности беспроводных приемников.

Рабочая трехмерная модель ткани мозга человека, выращенная из индуцированных плюрипотентных стволовых клеток, дала больше возможностей для исследования взаимодействий между здоровыми и аномальными клетками мозга.

Глубокие нейронные сети будут регистрировать аномалии в магнитном поле. Это поможет предсказывать землетрясения и цунами быстрее, чем когда-либо прежде.

Представлена компьютерная программа, использующая искусственный интеллект для анализа ДНК и предсказания сложных черт человека, включая рост, склонность к остеопорозу и ожидаемый уровень образования.

Международная команда биологов и инженеров получила грант в полмиллиона долларов на разработку компьютера, полностью состоящего из живых клеток.

Ученые обучили искусственный интеллект использовать данные со спутниковых снимков высокого разрешения для изучения связи окружающей среды и распространенности ожирения.