The objective of this paper is to focus on the study of a periodic temporal parabolic equation involving a variable exponent $p(x)$. After proving the existence and uniqueness of the solution, we provide a method for its numerical simulation using emerging deep learning technologies.
Among the difficult problems in mathematics is the problem of solving partial differential equations (PDEs). To date, there is no technique or method capable of solving all PDEs despite the large number of effective methods proposed. One finds in the literature, numerical methods such as the methods of finite differences, finite elements, finite volumes and their variants, semi-analytical methods such as the Variational Iterative Method, New Iterative Method and others. In recent years, we have witnessed the introduction of neural networks in solving PDEs. In this w
In this work, we are interesting in solving the 1D and 2D nonlinear stiff reaction-diffusion Brusselator system using a machine learning technique called Physics-Informed Neural Networks (PINNs). PINN has been successful in a variety of science and engineering disciplines due to its ability of encoding physical laws, given by the PDE, into the neural network loss function in a way where the network must not only conform to the measurements, initial and boundary conditions, but also satisfy the governing equations. The utilization of PINN for Brusselator system is stil
У цій роботі досліджується використання систем діаризації, які застосовують передові алгоритми машинного навчання для точного виявлення та розділення різних спікерів в аудіозаписах для реалізації системи виявлення зловмисників. Порівнюються декілька передових моделей діаризації, зокрема NeMo від Nvidia, Pyannote та SpeechBrain. Ефективність цих моделей оцінюється за допомогою типових метрик, що використову- ються для систем діаризації, таких як коефіцієнт помилки діаризації (DER) та коефіцієнт помилки Жакара (JER). Система діаризації була протестована в різних аудіоумовах.
У статті досліджується використання згорткових нейронних мереж (CNN) у процесі діагностики та ідентифікації хвороб та шкідників рослин. Розглянуто різні методи діагностики хвороб рослин, особливості наборів даних, а також проблеми, що існують у даному напрямку досліджень. У статті обговорюється п'ятикрокова методологія для визначення хвороб рослин, включаючи збір даних, попередню обробку, сегментацію, виділення ознак та класифікацію.
У статті досліджується застосування архітектури U-Net для сегментації внутрішньочерепних крововиливів, зосереджуючись на підвищенні точності сегментації шляхом включення методів покращення текстури на основі похідних дробового порядку Ріса. Дослідження починається з проведення огляду суміжних робіт у галузі сегментації комп’ютерної томографії (КТ). На цьому етапі також вибирається відповідний набір даних. Спочатку він використовувався для навчання U-Net, однієї з широко поширених моделей глибокого навчання в області сегментації медичних зображень.
У роботі розглядається актуальне завдання розпізнавання жестів з метою реформування способів до навчання військових, способів комунікації людини та машини та вдосконалення взаємодії людини-людини та людини-машини для осіб з обмеженими можливостями. Проаналізовано методи для розпізнавання жестів руки на основі компʼютерного зору, а також з використанням глибокого навчання.
The authors investigated the effect of changes in the acoustic signal propagation speed and the accuracy of sensor positioning on the accuracy of sound source localization. The mean absolute error grows with the displacement of the microphones relative to the nominal coordinates (X, Y). The same trend is observed with an increase in the actual acoustic signal velocity deviation from the velocity under normal environmental conditions.
The work highlights neural network applications to medical images, namely X-ray images. An overview of neural networks used to analyze medical images was conducted. Such a neural network has been implemented and tested on third-party images.
Since the outbreak of the pandemic in 2019, Covid-19 has become one of the most important topics in the field of medicine. This disease, caused by the SARS- CoV-2 virus, can lead to serious respiratory diseases and other complications. They can even lead to death. In recent years, the number of Covid-19 cases around the world has increased significantly, resulting in the need for rapid and effective diagnosis of the disease. Currently, the use of deep learning in medical diagnostics is becoming more and more common.