https://elib.bsu.by:443/handle/123456789/317148 Mon, 20 Apr 2026 03:15:49 GMT 2026-04-20T03:15:49Z https://elib.bsu.by:443/handle/123456789/320050 Заглавие документа: Журнал Белорусского государственного университета. Математика. Информатика. – 2024. – № 2 Mon, 01 Jan 2024 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/320050 2024-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/318080 Заглавие документа: Оптимизация параметров полиномиального рандомизированного алгоритма для асимметричной задачи коммивояжера Авторы: Баркетов, М. С. Аннотация: Рассматривается асимметричная задача коммивояжера, в которой надо найти гамильтонов цикл с минимальной суммарной стоимостью дуг в полном ориентированном графе. Для решения данной задачи на основе алгоритма, построенного автором в статье «Полиномиальный рандомизированный алгоритм для задачи “Асимметричный коммивояжер”» (Доклады Национальной академии наук Беларуси. 2022. Т. 66, № 5. С. 489 – 494), разработан новый параметризованный полиномиальный рандомизированный алгоритм. Его отличие состоит в другой параметризации. Однако основным результатом является препроцессинговый полиномиальный алгоритм линейного программирования для определения оптимальных параметров. Mon, 01 Jan 2024 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/318080 2024-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/318078 Заглавие документа: Simulation modelling of single nucleotide genetic polymorphisms Авторы: Yatskou, M. M.; Apanasovich, V. V.; Grinev, V. V. Аннотация: We propose an approach for the identification of single nucleotide polymorphisms (SNPs) in DNA sequences, based on the simulation modelling of sites of single nucleotides using the generation of random events according to the beta or normal distributions, the parameters of which are estimated from the available experimental data. The developed approach improves the accuracy of determining SNPs in DNA molecules and permits to investigate the reliability of specific experiments as well as to estimate the errors of determination of the parameters obtained in real experimental conditions. The verification of the simulation model and analysis methods is carried out on a set of reference human genomic DNA sequencing data provided by the Genome in a Bottle Consortium. The comparative analysis of the existing statistical SNP identification algorithms and machine learning methods, trained on the simulated data from the genomic sequencing of human DNA molecules, is carried out. The best results are obtained for machine learning models, in which the accuracy of SNP identification is 2–5 % higher than for classical statistical methods. Доп. сведения: This work was carried out in the framework of the state programme of scientific research «Convergence-2025» (grant No. 3.04.3.1, state registration No. 20211918). = Работа выполнена в рамках государственной программы научных исследований «Конвергенция-2025» (грант № 3.04.3.1, № гос. регистрации 20211918). Mon, 01 Jan 2024 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/318078 2024-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/318073 Заглавие документа: Использование сверточных вейвлет-блоков в задаче классификации изображений Авторы: Воробей, В. А.; Малевич, А. Э. Аннотация: На примере задачи классификации изображений и вейвлет-семейства CDF-9/7 показано, как можно внедрить дискретное вейвлет-преобразование в модель компьютерного зрения, сохранив возможность ее обучения методом обратного распространения ошибки. Предложен и успешно встроен в ряд моделей нейронных сетей сверточный вейвлет-блок, который сочетает в себе обработку признаков входного сигнала на нескольких уровнях вейвлет-разложения и позволяет уменьшить исходный размер модели на 30 – 40 %, обеспечивая при этом сопоставимое качество. Продемонстрирована возможность эффективно выполнять дискретное вейвлет-преобразование на графическом процессоре при использовании лифтинг-схемы. Реализация вейвлет-преобразования построена на поэлементных операциях сложения и умножения, что позволяет при необходимости экспортировать обученную модель в требуемый формат для запуска на новых данных без дополнительных сложностей. В качестве базовых моделей использованы архитектуры ResNetV2-50, MobileNetV2 и EfficientNetV2-B0. Для проведения экспериментов подготовлен набор данных на основе подвыборки категорий датасета LSUN. Mon, 01 Jan 2024 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/318073 2024-01-01T00:00:00Z