注释,注释: 自然语言非结构化文本的自动处理是计算机分析和文本合成的迫切问题之一。 在其中，文本规范化的任务可以单独挑出，通常涉及标记化，词干化和词形化等过程的实现。 现有的词干提取算法主要集中在合成语言上，其中以词素为基础的整形占主导地位。 乌兹别克语是凝集语言的一个例子，其特征是多义词词缀和服务语素。 虽然乌兹别克语有许多不同之处，例如与英语，但它非常成功地适合通过词干算法进行处理。 迄今为止，几乎没有找到有效实现乌兹别克语言词干提取算法的例子，因此这个问题是科学感兴趣的主题，并确定了这项工作的目的。 在工作过程中，解决了将乌兹别克语指定文本恢复正常形式的任务，在标记化的初步阶段，标记为单词类型并清除停用词。 为了解决这个问题，开发了一种基于词干算法的乌兹别克语文本规范化方法。 在开发算法时，采用了混合方法，其基础是联合应用算法方法，语言规则词典和乌兹别克语正常形式单词数据库。 所提出的算法的精度取决于标记化算法的精度。 与此同时，这里没有考虑找到用空格分隔的成对单词的根的问题，因为这个问题直接在标记化阶段解决。 该算法可以集成到机器翻译、信息提取、信息检索等各种自动化系统中。

关键词: , , , , , , , , , , , , , , , , , , ,

注释,注释: 考虑了正在进行的化学反应条件下连续力学问题数值解过程的某些方面。 这样的问题通常通过存在温度升高的许多局部区域来区分，其在空间中的位置相对不稳定。 在这样的条件下，使用具有阶跃控制的刚性稳定的积分方法，与其他区域相比，在"热"区域具有显着更大的时间成本。 当使用几何并行时，这一事实导致处理器负载的显着不平衡，这降低了并行化的总体效率。 因此，在本文中我们考虑在并行解决上述任务时平衡处理器负载的问题。   提出了一种改进化学动力学方程数值积分时间预测的大块分布式平衡算法的新改进，这是在"热"区域漂移条件下最有效的。 该改进包括使用分析积分时间的几个先前值的线性感知器（在算法的基本版本中，仅使用来自积分时间历史的一个先前点）。 这使您可以在"热"区域快速和慢速漂移的条件下工作。 这种方法的有效性在建模建筑物周围的流动的任务上得到了证明，该建筑物在高温下观察到gorenje。 结果表明，使用修改后的算法比原始算法提高了2.1%的并行化效率。

关键词: 并行计算, 负载平衡, 线性感知器, 化学动力学, 连续力学, 分布式平衡, 数值模拟, 数值实验, 批准；批准, 几何平行度

注释,注释: 该研究的主题是胸部的医学荧光x射线。 此类图像经过高质量预处理后的累积数据库可用于训练近年来得到最大发展的深度卷积神经网络，训练后的网络对传入的图像流进行初步的二值分 为此，有必要足够精确地训练神经网络以最小化第一种和第二种误差。 根据降低计算复杂性和图像分类质量的标准，提高神经网络使用有效性的一种可能方法是使用辅助方法：图像预处理和初步计算片段的熵。 本文提出了一种预处理X射线图像的算法，将其分成片段并计算单个片段的熵。 在预处理期间，从整个图像中分配与肺和脊柱的感兴趣区域，其占整个图像的大约30-40％，然后将图像分成片段矩阵并根据香农公式计算单个片段的熵，因 通过确定255种颜色中的每一种颜色的出现频率，计算总熵。 使用熵检测病理是基于对单个片段的值的差异的假设以及其在具有范数和病理的图像之间的分布的总体图。 统计指标进行分析：误差标准差，方差。 一个完全连接的神经网络被用来确定熵分布的模式及其在荧光图像的各种片段上的统计特征。

关键词: 图像熵, 碎片, 深度卷积神经网络, 机器学习, x光片, 计算实验, 图像熵, 元素矩阵, 碎片, 图像预处理, 深度卷积神经网络, 机器学习, 统计分析, x光片, 二元分类, 计算实验, 元素矩阵, 图像预处理, 统计分析, 二元分类

注释,注释: 本文的主题是在训练神经网络中使用的数值优化方法，这些方法在湍流粘度的一些现代模型中充当预测组件。 学习问题的定性解决方案（最小化神经网络残差的功能）通常需要显着的计算成本，因此，提高学习速度的任务非常紧迫，这通常通过联合应用更快收敛到解的数值方法和计算并行化来解决。 特别感兴趣的是Marquardt方法，它包含一个参数，允许您通过切换方法来加速解决方案：从远离解决方案的最陡下降到解决方案附近的牛顿方法。 提出了Marquardt方法的修改，使用有限系列随机样本来改进当前点并计算方法参数。 在himmelblau和Rosenbrock的测试函数以及训练用于湍流建模的神经网络预测器的实际问题上，数值实验显示了该方法的足够好的特性。 使用这种方法可以显着加快湍流粘度校正模型中神经网络预测器的训练。 该方法与纯随机搜索相比不那么费力，特别是与少量计算内核相比，同时它给出了一个足够接近随机搜索结果的解决方案，并且与原始Marquardt方法相比更好。

关键词: 深度神经网络, 深度神经网络, 培训课程, 培训课程, 马夸特方法, 马夸特方法, 湍流粘度模型, 湍流粘度模型, 数值实验, 数值实验, 优化方法, 优化方法, 批准；批准, 批准；批准, 随机样本, 随机样本, 参数调整, 参数调整, 神经网络预测器, 神经网络预测器

注释,注释: 在本文中，基础取自稀疏分布的步行机器人，这些机器人在非确定性环境中用作或提供作为助手，例如在救援行动期间。 有必要对现有模型进行深入分析，以根据以下几个标准更新具有行走移动器的机器人主题的信息：尺寸，重量，自由度数，运动速度，功耗，电池寿命，最大负载，considered.To 首先，确定了关于文章主题的研究领域，以缩小对现有原型和真实机器人的搜索范围。 在过去的5年里，比较和批判性分析的方法被用来处理可用的材料，这使我们能够完成写文章之前设定的任务。研究结果显示了大型广义步行机器人组的汇总表和所考虑模型的三个通用表，总结了模型的优点和缺点。 这些数据将有助于研究人员加深对步行机器人主题的了解，分析他们自己的工作和外国同事和同胞的研究，将其应用于未来的工作，将活动重点放在解决问题上，强调其发展的独特性和相关性。 本文重点介绍了使用专门用于救援行动的步行机器人的特点，但所描述的机器人的使用领域可能更加广泛。 该评论文章还强调和描述了步行机器人的非传统移动者，除了经典的步态，以其在媒体，视频托管和其他获取信息的工具中的巨大宣传而广为人知。

关键词: , , , , , , , , , , , , , , , , , , ,