Аннотация: Обсуждены некоторые недостатки гауссовой гуманизации и рассмотрены вопросы о том, каким образом модели артикуляции, проявляемые ударниками, можно эмулировать с помощью вероятностной модели. Разработан авторский алгоритм «оживления» midi-партий ударных музыкальных инструментов. Запрограммированы различные зависимости и закономерности, проявляющиеся при игре на барабанах. Создана зависимость параметров нот не только от параметров предыдущих нот, но и от последующих нот соответствующих частей ударной установки. Создана зависимость силы удара от положения ноты в такте. Таким образом, акцентируя ноты в сильной доле, была создана зависимость громкости ноты от совпадения с нотами других частей ударной установки. Для увеличения динамичности и живости партии было реализовано нарастание громкости хэта перед ударом по малому барабану. Проведено сравнение амплитуд соответствующих нот партий, насколько партия, оживленная с использованием определенного метода, отличается от партии, сыгранной профессиональным барабанщиком. При прослушивании тестов партии, обработанные с использованием модифицированного метода, объективно имеют больше общего с живым исполнением, чем с результатом, полученным при использовании гауссового метода или квантованных партий.

Аннотация:

Исследована задача построения отображения между спайковой активностью сверточной спайковой нейронной сети и классом входного изображения. Такая задача появляется после обучения сети без учителя: сверточный слой формирует событийное представление изображения, но сама сеть не содержит готового механизма выдачи метки класса. В работе проведена проверка, насколько информативны счетчики спайков сверточного слоя после обучения по правилу STDP (пластичность, зависящая от времени возникновения импульсов, – биологически правдоподобное правило обучения для импульсных (спайковых) нейронных сетей), и оценено качество линейного считывающего классификатора при увеличении числа обучающих предъявлений.

Эксперименты проведены на наборе MNIST – стандартном наборе изображений рукописных цифр. Использована однослойная архитектура: один сверточный слой с 32 картами признаков, ядром 5 × 5 и выходной размерностью 32 × 24 × 24, что соответствует 18432 нейронам LIF (модель «интегратор с утечкой и порогом»). Входные изображения кодировались детерминированным пуассоновским кодировщиком; мультипликатор пуассоновского кодирования был равен 0.006. Длительность предъявления (время демонстрации объекта сети) составляла 100 тактов. Обучение выполнялось по правилу STDP с нуля, без возобновления из ранее сохраненного состояния. Для оценки использовался протокол сбора счетчиков спайков на 10000 обучающих и 10000 тестовых изображениях.

В основном эксперименте при 15000 обучающих предъявлениях STDP достигнута точность 0.8883. Базовый способ по карте меток, близкий к методу Diehl и Cook, в той же конфигурации дал около 0,48. Покрытие калиброванной карты меток составило 219 из 18432 нейронов, средняя активность – 4146.9416 спайка на изображение. Соседняя точка масштаба при 10000 обучающих предъявлениях дала точность 0.8876. Полученные результаты показывают, что выбранный способ считывания активности существенно влияет на итоговое качество классификации: линейный считывающий классификатор по полному вектору счетчиков сети извлекает распределенную информацию, которая теряется при простом назначении меток отдельным нейронам.

Аннотация:

Представлены результаты по созданию методов управления математическим знанием в контексте цифровых математических библиотек. Программные инструменты, разработанные на основе этих методов, являются частью цифровой экосистемы OntoMath, в рамках которой осуществляется их взаимодействие. Приведено краткое описание архитектуры экосистемы OntoMath, выделены уровни предметных онтологий и внешних онтологий, а также уровень программных инструментов и сервисов. В отдельную категорию выделены семантические сервисы. Этим термином обозначены программные инструменты, в функционале которых используются запросы к предметным онтологиям для обеспечения управления объектами знаний. Даны общие описания разрабатываемых предметных онтологий: образовательной математической онтологии OntoMath^Edu и онтологии профессиональной математики OntoMath^PRO. Отражено развитие образовательной онтологии в направлении включения образовательных пререквизитных связей между классами. Среди программных инструментов цифровой экосистемы выделены сервисы поиска по математическим электронным коллекциям, сервис семантического аннотирования математических документов, инструменты семантической разметки образовательных математических документов, а также система автоматической генерации проверочных тестов по математическим образовательным дисциплинам.

В рамках цифровой экосистемы OntoMath развиваются рекомендательные системы специального назначения. В текущей версии экосистемы представлены рекомендательная система формирования списка близких статей, основанная на онтологии OntoMath^PRO, рекомендательная система назначения экспертов для поддержки процесса научного рецензирования и рекомендательные системы подбора предметных классификаторов УДК и кодов Mathematics Subject Classification для математических документов. Приведены также результаты, полученные в направлении создания фабрики метаданных цифровой библиотеки, включающей сервисы и инструменты извлечения, уточнения, пополнения и нормализации метаданных документов электронных математических коллекций. Отметим, что экосистема OntoMath разрабатывается как технологическая основа цифровой математической библиотеки Lobachevskii-DML.

Аннотация:

Поводом для данной работы послужили случившиеся один за другим 25-летние юбилеи главных для нашей страны поисковых машин Яндекс и Google. Эта статья – попытка описать некоторые события из истории развития средств навигации в интернете с точки зрения их свидетеля (и частично – участника).

Аннотация:

Электронные библиотеки в XXI веке стали важнейшими источниками информации во всех отраслях науки и техники, магистральным направлением развития мирового библиотечного дела, всей информационной деятельности. Первой электронной библиотекой стал Проект Гутенберг, основанный Майклом Хартом ровно 50 лет назад. Всемирно известным он стал лишь в 1990-е годы, после появления интернета и первых браузеров. Харт мечтал о 10000 оцифрованных книг и, по его признанию, достиг всех целей, которые ставил перед собой. В России одной из первых и наиболее значительной стала библиотека Максима Мошкова (1994). В данной статье прослеживаются этапы создания этих библиотек и биографии их создателей; анализируются трудности в их работе. Отдельное внимание уделено вопросам законодательства о продолжительности действия авторских прав.