Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
#нейросеть
Ученые Томского государственного университета создают новые подходы для диагностики социально значимых заболеваний — инфекционных, диабета, инфаркта, онкологии, используя в качестве основного инструмента технологии лазерной спектроскопии и машинное обучение. Одна из проблем при диагностике — побочные шумы, которые искажают спектральный сигнал и снижают точность анализа. Убрать помехи теперь помогает глубокая нейросеть, которую исследователи на сгенерированной выборке научили распознавать шумы и отфильтровывать их от спектрального сигнала.
Специалисты из Нью-Йоркского университета создали нейросеть, способную анализировать нейронную активность коры головного мозга и по ней реконструировать речь человека. Более того, ученые дополнительно обучили сеть воспроизводить голос пациента по нескольким образцам голосовых или видеозаписей, позволяя людям вернуть свой голос даже после его потери.
Ученые Университета Лобачевского усовершенствовали нейросеть для диагностики скорости старения. Новая модель иммунологических часов получила название SImAge (Small Immuno Age). Она построена на основе глубокой нейронной сети FT-Transformer. Нейросеть оценивает состояние организма по 10 биомаркерам, которые отражают риск развития возрастзависимых заболеваний: патологий сердца, нарушений физической и когнитивной активности и других. На их основе модель делает вывод о сбоях в работе иммунной системы и вычисляет иммунологический возраст человека. Разработка позволяет тестировать эффективность терапевтических подходов, составлять рекомендации по корректировке образа жизни, проводить персонализированную диагностику возрастных аномалий в организме.
Ученые ЮФУ совместно с коллегами из других российских вузов разработали новую модель на основе глубокой нейронной сети CNN, с помощью которой раскрыли интересные аспекты изменения поверхностного покрова Керченского полуострова на протяжении последних трех десятилетий. Эта работа, опирающаяся на передовые методы машинного обучения и искусственного интеллекта, вносит фундаментальный вклад в понимание процессов, происходящих в данном регионе.
Своевременное и надлежащее обслуживание электрических машин (электродвигатели, электрогенераторы), которые преобразуют электрическую энергию в механическую на промышленных предприятиях, считается одной из важных задач. Их эксплуатационная надежность определяет эффективность применения всех технических средств и влияет на важнейшие экономические показатели производства. Существующие методы диагностики оборудования не позволяют максимально точно и быстро определять дефекты, поэтому ведется поиск новых методов обнаружения технических проблем. Студенты Пермского Политеха совместно с научным руководителем обучили искусственный интеллект быстрее и точнее находить неисправности в электрических машинах.
Газотурбинные установки используют в нефтегазовой и авиационной промышленности в качестве источника энергии. В состав установки входит газотурбинный двигатель. Один из важнейших элементов в нем — камера сгорания — основной источник вредных выбросов. Снижение выбросов в атмосферу можно обеспечить применением малоэмиссионной камеры сгорания (МЭКС). Сегодня контроль выбросов в атмосферу не ведется, поскольку нет датчиков эмиссии. Ученые Пермского Политеха предложили для контроля вредных выбросов из камеры сгорания использовать математическую модель МЭКС, встроенную в систему автоматического управления газотурбинной установки. Для повышения адаптивных свойств модели использованы технологии искусственного интеллекта, а именно — нейронные сети, которые позволяют эффективно увеличить качество моделирования процессов в сложных объектах на основе создания гибких и простых алгоритмов. Таким образом, ученые Пермского Политеха разработали и апробировали систему автоматического управления МЭКС со встроенной нейросетевой моделью.
Ученые Пермского Политеха и Центра медико-профилактических технологий обратили внимание на потребность в автоматизированных и мобильных устройствах, позволяющих оперативно в режиме реального времени анализировать химический и дисперсный состав пыли в воздухе и заместить трудоемкие методы отбора проб этой пыли. Авторы разработали портативное устройство измерения концентрации мелкодисперсных частиц в воздухе и провели тестовые испытания. При помощи микрофотографий для классификации и вычисления размеров частиц была обучена нейросеть.
Команда специалистов из Высшей школы экономики и Школы анализа данных Яндекса совместно с облачной платформой Yandex Cloud разрабатывают нейросеть для предсказания климатического феномена Эль-Ниньо. Новый алгоритм помогает точнее прогнозировать изменение средней температуры океанических вод на поверхности, которое способно вызывать природные бедствия в отдельных регионах мира. Сейчас модель уже предсказывает Эль-Ниньо на 1,5 года вперед, а в будущем срок прогноза ученые планируют увеличить до двух лет.
Ишемическая болезнь сердца — одна из ведущих причин инвалидности и смерти в мире. Частой причиной этой болезни является стеноз коронарных артерий — сужение просвета сосудов, по которым кровь доставляет питательные вещества к сердечной мышце. Оценка степени развития стеноза очень важна и диктует выбор между неинвазивным лечением (например, введением лекарств) и хирургическими вмешательствами (например, установка стентов). Современным «золотым стандартом» для выбора вида лечения являются значения нескольких гемодинамических индексов. Для их прямого измерения в клинике используются сосудорасширяющие препараты и внутрь сосудов вводятся специальные ультразвуковые датчики. Междисциплинарная группа ученых из МФТИ, ИВМ РАН и Сеченовского университета предложила альтернативный способ оценки скорости пульсовой волны и эластичности сосудов без проникновения в организм и использования медикаментов.
Ученые из Сколтеха и их коллеги рассказали, как образовательный проект для школьников вылился в новую главу противостояния искусственного интеллекта и человека в биоинформатике. Согласно исследованию, ранее совершившая прорыв в предсказании структур белков программа, разработанная подразделением Google DeepMind, не способна решить другую задачу структурной биоинформатики. При этом было получено свидетельство, которое всерьез ставит под вопрос гипотезу о том, что ИИ смог «выучить физику» белков.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
ПонятноМы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Последние комментарии