Зелёный камуфляж: Как распознать ложные заявления об устойчивом развитии

от

На представленном фрагменте графа знаний EmeraldGraph, центрированного вокруг анонимизированной компании, узлы, представляющие инициативы, местоположения, материалы, продукты, цели, заявления об устойчивом развитии, организации, предприятия и ключевые показатели эффективности, кодируются цветом для наглядности структуры взаимосвязей.

Новая система EmeraldMind использует знания о принципах устойчивого развития, чтобы выявлять недобросовестные практики в экологической рекламе и отчетах компаний.

Предсказание потерь в магнитопроводе: Новый подход на основе глубокого обучения и физических принципов

от

Модель SEPI-TFPNet обрабатывает временные ряды в 1024 точки, используя иерархическую экстракцию признаков и физически обоснованный эмпирический априорный подход, основанный на спектрально-энтропийном различении, при этом оптимизация достигается через специализированную функцию потерь, объединяющую эмпирическую и управляемую данными модели, а интеграция временных рядов с физическими признаками осуществляется посредством адаптивного мультимодального модуля, дополненного явным каналом признаков, задающих априорные физические ограничения, и завершается трёхслойной MLP для предсказания основных потерь.

Исследователи разработали инновационную модель, сочетающую в себе глубокие нейронные сети и знания о физике материалов для повышения точности прогнозирования потерь энергии в магнитопроводах.

Взгляд на безопасность блокчейна: обнаружение атак с помощью машинного зрения

от

Предложенная модель позволяет обнаруживать кибератаки в смарт-контрактах и транзакциях Ethereum, что обеспечивает повышенную безопасность и надежность блокчейн-системы.

Новый подход использует методы машинного обучения, вдохновленные обработкой изображений, для выявления кибератак в смарт-контрактах и транзакциях блокчейна.