• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Препринт
Spatially Adaptive Computation Time for Residual Networks

Figurnov M., Collins M. D., Zhu Y. et al.

arXiv:1612.02297. arXiv. Cornell University, 2016

Глава в книге
Computing majority by constant depth majority circuits with low fan-in gates

Kulikov A., Podolskii V. V.

In bk.: 34th Symposium on Theoretical Aspects of Computer Science (STACS 2017). March 8–11, 2017, Hannover, Germany. Vol. 66. Leipzig: Schloss Dagstuhl--Leibniz-Zentrum fuer Informatik, 2017. P. 1-14.

Глава в книге
GANs for Biological Image Synthesis

Osokin A., Chessel A., Carazo Salas R. E. et al.

In bk.: Proceedings of the IEEE International Conference on Computer Vision (ICCV 2017). Venice: IEEE, 2017. P. 2252-2261.

Статья
Correction to the leading term of asymptotics in the problem of counting the number of points moving on a metric tree

V.L. Chernyshev, Tolchennikov A.

Russian Journal of Mathematical Physics. 2017. Vol. 24. No. 3. P. 290-298.

Глава в книге
Stochasticity in Algorithmic Statistics for Polynomial Time

Vereshchagin N., Milovanov A.

In bk.: 32nd Computational Complexity Conference. Вадерн: Schloss Dagstuhl – Leibniz-Zentrum für Informatik, Dagstuhl Publishing, 2017. P. 1-18.

Наука – Новости

Лучшие презентации по DataMining

Выборка самых популярных презентаций по Data Mining с сайта Slideshare.

Новое золото или как большие данные изменят наш мир?

Михаил Левин и Александр Дьяконов в передаче "Наука в фокусе" о том, что такое большие данные и как их анализ может изменить наш мир.

Машинное обучение

Как найти взаимосвязь между наблюдаемыми и скрытыми переменными? Что такое глубинное обучение? Каковы перспективы машинного обучения? Об этом рассказывает кандидат физико-математических наук Дмитрий Ветров.

Почему в нейронных сетях существуют «слепые пятна»?

Дмитрий Ветров о машинном обучении, третьем поколении нейронных сетей и компьютерном зрении.

«Большие данные» помогут врачам выбрать способ лечения

За 20 лет, с начала перехода современной медицины на цифровой формат, накоплен огромный объем данных, которые практически не используются. Анализ этих данных и извлечение из них новой логики управления — одно из наиболее востребованных направлений прикладной математики, считает профессор кафедры анализа данных и искусственного интеллекта НИУ ВШЭ, преподаватель Медицинской школы при Гарвардском Университете Олег Пьяных. Его доклад «“Большие данные” в медицине: как заставить их работать?» был представлен на заседании научного семинара «Математические модели информационных технологий» в НИУ ВШЭ.