Поиск на английском языке Макляев - История изменений

Макляев Илья в 23:35, 25 ноября 2020

2020-11-25T23:35:28Z

Макляев Илья в 23:33, 25 ноября 2020

2020-11-25T23:33:01Z

Макляев Илья в 11:46, 23 ноября 2020

2020-11-23T11:46:59Z

Макляев Илья в 07:34, 19 ноября 2020

2020-11-19T07:34:31Z

Макляев Илья в 07:30, 19 ноября 2020

2020-11-19T07:30:16Z

Макляев Илья в 07:29, 19 ноября 2020

2020-11-19T07:29:19Z

Макляев Илья в 07:22, 19 ноября 2020

2020-11-19T07:22:08Z

Макляев Илья в 07:18, 19 ноября 2020

2020-11-19T07:18:07Z

Макляев Илья в 07:16, 19 ноября 2020

2020-11-19T07:16:11Z

Макляев Илья в 07:15, 19 ноября 2020

2020-11-19T07:15:55Z

@@ Строка 54: / Строка 54: @@
 Статья доступна для свободного чтения. Имеет 46 пристатейных ссылок и 523 цитирования.
-Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: 1) подходит для мультимодальных носимых датчиков; 2) может выполнять слияние датчиков естественным образом; 3) не требует экспертных знаний при проектировании функций; и 4) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.
+Авторы работы решают задачу распознавания человеческой деятельности (HAR) с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: 1) подходит для мультимодальных носимых датчиков; 2) может выполнять слияние датчиков естественным образом; 3) не требует экспертных знаний при проектировании функций; и 4) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.
 Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований и критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.

@@ Строка 54: / Строка 54: @@
 Статья доступна для свободного чтения. Имеет 46 пристатейных ссылок и 523 цитирования.
-Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: (i) подходит для мультимодальных носимых датчиков; (ii) может выполнять слияние датчиков естественным образом; (iii) не требует экспертных знаний при проектировании функций; и (iv) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.
+Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: 1) подходит для мультимодальных носимых датчиков; 2) может выполнять слияние датчиков естественным образом; 3) не требует экспертных знаний при проектировании функций; и 4) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.
 Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований и критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.

← Предыдущая		Версия 11:46, 23 ноября 2020
Строка 56:		Строка 56:
	Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: (i) подходит для мультимодальных носимых датчиков; (ii) может выполнять слияние датчиков естественным образом; (iii) не требует экспертных знаний при проектировании функций; и (iv) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.		Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: (i) подходит для мультимодальных носимых датчиков; (ii) может выполнять слияние датчиков естественным образом; (iii) не требует экспертных знаний при проектировании функций; и (iv) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.

−	Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований, критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.	+	Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований и критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.

← Предыдущая		Версия 07:34, 19 ноября 2020
Строка 53:		Строка 53:

	Статья доступна для свободного чтения. Имеет 46 пристатейных ссылок и 523 цитирования.		Статья доступна для свободного чтения. Имеет 46 пристатейных ссылок и 523 цитирования.
		+
		+	Авторы работы решают задачу распознавания человеческой деятельности (HAR) традиционно решались с использованием технических характеристик, полученных с помощью эвристических процессов. Их исследования показывают, что глубокие сверточные нейронные сети подходят для автоматизации извлечения признаков из необработанных входных данных датчиков. Однако человеческая деятельность состоит из сложных последовательностей двигательных движений, и фиксация этой временной динамики является фундаментальной для успешной HAR. Основываясь на недавнем успехе рекуррентных нейронных сетей для доменов временных рядов, они предлагают общую глубокую структуру для распознавания активности на основе сверточных и рекуррентных модулей LSTM, которая: (i) подходит для мультимодальных носимых датчиков; (ii) может выполнять слияние датчиков естественным образом; (iii) не требует экспертных знаний при проектировании функций; и (iv) явно моделирует временную динамику активации функций. Они оценивают их структуру на двух наборах данных, один из которых был использован в задаче распознавания общественной активности.

	Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований, критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.		Выводы: По сравнению с русскими статьями, зарубежные статьи имеют значительно большее количество цитирований, критериев оценивания. Также можно заметить, что выбранная мною тема более развита в зарубежных странах, и как следствие имеется большая возможность найти интересную и хорошую статью.

@@ Строка 3: / Строка 3: @@
 Neural network modeling, neural networks.
-Цель моего поиска - найти более-менее интересные публикации на тему создания и использования нейронных сетей для математического описания каких-либо зависимостей. Для поиска необходимых мне публикаций нужно использовать зарубежные научные электронные ресурсы.
+Цель моего поиска - найти более-менее интересные публикации на тему создания и использования нейронных сетей для математического описания множества полученных экспериментальных данных. Для поиска необходимых мне публикаций нужно использовать зарубежные научные электронные ресурсы.
 Все статьи найдены в поисковой интернет-платформе Web of science, объединяющей реферативные базы данных публикаций в научных журналах и патентов, в том числе базы, учитывающие взаимное цитирование публикаций. Для Scopus необходимо зайти с IP РХТУ, иначе невозможно воспользоваться поиском публикаций.

@@ Строка 38: / Строка 38: @@
 Статья доступна для свободного чтения. Имеет 73 ссылки и 1338 цитирования.
-Авторы данной работу изучают две специфические проблемы компьютерного обнаружения (CADe), а именно обнаружение торакоабдоминальных лимфатических узлов (LN) и классификацию интерстициальных заболеваний легких (ILD). Мы достигли высочайшего уровня производительности при обнаружении ЛУ средостения и сообщаем о первых результатах пятикратной перекрестной проверки классификации прогнозирования аксиальных КТ-срезов с категориями ILD. Наша обширная эмпирическая оценка, анализ модели CNN и ценные идеи могут быть расширены на проектирование высокопроизводительных систем CAD для других задач медицинской визуализации.
+Авторы данной работу изучают две специфические проблемы компьютерного обнаружения (CADe), а именно обнаружение торакоабдоминальных лимфатических узлов (LN) и классификацию интерстициальных заболеваний легких (ILD). Они достигли высочайшего уровня производительности при обнаружении ЛУ средостения и сообщают о первых результатах пятикратной перекрестной проверки классификации прогнозирования аксиальных КТ-срезов с категориями ILD. Их обширная эмпирическая оценка, анализ модели CNN и ценные идеи могут быть расширены на проектирование высокопроизводительных систем CAD для других задач медицинской визуализации.
 Статья №4 [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=37&SID=C52V1LSZviiVqNRPjmd&page=1&doc=3 Brain tumor segmentation with Deep Neural Networks Havaei, M ; Davy, A ; Warde-Farley, D ; Biard, A MEDICAL IMAGE ANALYSIS Том: 35 Стр.: 18-31 ]
@@ Строка 45: / Строка 45: @@
 Статья доступна для свободного чтения. Имеет 49 пристатейных ссылок и 792 цитирования.
 Статья №5 [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=4&SID=C52V1LSZviiVqNRPjmd&page=1&doc=1 Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition Ordonez, FJ; Roggen, D SENSORS Том: 16 Выпуск: 1 Номер статьи: 115]

← Предыдущая		Версия 07:22, 19 ноября 2020
Строка 37:		Строка 37:

	Статья доступна для свободного чтения. Имеет 73 ссылки и 1338 цитирования.		Статья доступна для свободного чтения. Имеет 73 ссылки и 1338 цитирования.
		+
		+	Авторы данной работу изучают две специфические проблемы компьютерного обнаружения (CADe), а именно обнаружение торакоабдоминальных лимфатических узлов (LN) и классификацию интерстициальных заболеваний легких (ILD). Мы достигли высочайшего уровня производительности при обнаружении ЛУ средостения и сообщаем о первых результатах пятикратной перекрестной проверки классификации прогнозирования аксиальных КТ-срезов с категориями ILD. Наша обширная эмпирическая оценка, анализ модели CNN и ценные идеи могут быть расширены на проектирование высокопроизводительных систем CAD для других задач медицинской визуализации.

	Статья №4 [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=37&SID=C52V1LSZviiVqNRPjmd&page=1&doc=3 Brain tumor segmentation with Deep Neural Networks Havaei, M ; Davy, A ; Warde-Farley, D ; Biard, A MEDICAL IMAGE ANALYSIS Том: 35 Стр.: 18-31 ]		Статья №4 [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=37&SID=C52V1LSZviiVqNRPjmd&page=1&doc=3 Brain tumor segmentation with Deep Neural Networks Havaei, M ; Davy, A ; Warde-Farley, D ; Biard, A MEDICAL IMAGE ANALYSIS Том: 35 Стр.: 18-31 ]

@@ Строка 28: / Строка 28: @@
 Авторы данной работы предлагают модель, которая может быть применена в облачных вычислениях или реализована в мобильных устройствах для немедленной оценки сердечного здоровья с максимальной точностью с помощью методов ансамблевого обучения, глубокого обучения и эволюционных вычислений.
-Ссылается на статью [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=24&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=3 Novel deep genetic ensemble of classifiers for arrhythmia detection using ECG signals Plawiak, P; Acharya, UR] имеющую импакт фактор 2,672 за 2019 год и участвует в рейтинге двух категорий COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE (ранг в категории 58 из 137, квартиль в категории Q2) и COMPUTER SCIENCE, INFORMATION SYSTEMS (ранг в категории 71 из 156, квартиль в категории Q2).
+Выбранная мною статья ссылается на другую работу [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=24&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=3 Novel deep genetic ensemble of classifiers for arrhythmia detection using ECG signals Plawiak, P; Acharya, UR] имеющую импакт фактор 2,672 за 2019 год и участвует в рейтинге двух категорий COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE (ранг в категории 58 из 137, квартиль в категории Q2) и COMPUTER SCIENCE, INFORMATION SYSTEMS (ранг в категории 71 из 156, квартиль в категории Q2).
 Данную статью цитируют авторы работы [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=CitingArticles&qid=50&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=1 Classification of myocardial infarction with multi-lead ECG signals and deep CNN Baloglu, UB; Talo, M; Yildirim, O; Tan, RS; Acharya, UR]. Эта работа относится к категории  COMPUTER SCIENCE,ARTIFICIAL INTELLIGENCE занимает ранг : 44 из 137, квартиль в категории Q2.

@@ Строка 26: / Строка 26: @@
 Статья доступна для свободного чтения. Имеет 80 пристатейных ссылок и 49 цитирований.
-Авторы данной работы предлагают модель, которая может быть применена в облачных вычислениях или реализована в мобильных устройствах для немедленной оценки сердечного здоровья с максимальной точностью с помощью методов ансамблевого обучения, глубокого обучения и эволюционных вычислений..
+Авторы данной работы предлагают модель, которая может быть применена в облачных вычислениях или реализована в мобильных устройствах для немедленной оценки сердечного здоровья с максимальной точностью с помощью методов ансамблевого обучения, глубокого обучения и эволюционных вычислений.
 Ссылается на статью [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=24&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=3 Novel deep genetic ensemble of classifiers for arrhythmia detection using ECG signals Plawiak, P; Acharya, UR] имеющую импакт фактор 2,672 за 2019 год и участвует в рейтинге двух категорий COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE (ранг в категории 58 из 137, квартиль в категории Q2) и COMPUTER SCIENCE, INFORMATION SYSTEMS (ранг в категории 71 из 156, квартиль в категории Q2).

← Предыдущая		Версия 07:15, 19 ноября 2020
Строка 25:		Строка 25:

	Статья доступна для свободного чтения. Имеет 80 пристатейных ссылок и 49 цитирований.		Статья доступна для свободного чтения. Имеет 80 пристатейных ссылок и 49 цитирований.
		+
		+	Авторы данной работы предлагают модель, которая может быть применена в облачных вычислениях или реализована в мобильных устройствах для немедленной оценки сердечного здоровья с максимальной точностью с помощью методов ансамблевого обучения, глубокого обучения и эволюционных вычислений..

	Ссылается на статью [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=24&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=3 Novel deep genetic ensemble of classifiers for arrhythmia detection using ECG signals Plawiak, P; Acharya, UR] имеющую импакт фактор 2,672 за 2019 год и участвует в рейтинге двух категорий COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE (ранг в категории 58 из 137, квартиль в категории Q2) и COMPUTER SCIENCE, INFORMATION SYSTEMS (ранг в категории 71 из 156, квартиль в категории Q2).		Ссылается на статью [https://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=24&SID=E1FnAswLIPC83pd9ZDu&page=1&doc=3 Novel deep genetic ensemble of classifiers for arrhythmia detection using ECG signals Plawiak, P; Acharya, UR] имеющую импакт фактор 2,672 за 2019 год и участвует в рейтинге двух категорий COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE (ранг в категории 58 из 137, квартиль в категории Q2) и COMPUTER SCIENCE, INFORMATION SYSTEMS (ранг в категории 71 из 156, квартиль в категории Q2).