Данная работа посвящена методике применения нейронных сетей LSTM архитектуры для генерации
текстов семантически идентичных предоставленным в качестве входных. Здесь рассматриваются особенности реализации подходящей нейронной сети, а также затрагивается методика сбора данных для обучения такой нейронной сети.

В работе рассматривается архитектура и результаты работы приложения для моделирования напряженно-деформированного состояния позвоночника на основании данных, полученных с помощью оборудования DIERS formetric.

The paper discusses the architecture and results of the application for modeling the stress-strain state of the spine based on data obtained using DIERS formetric equipment.

Моделирование реальных физических или технических механических систем включает широкое использование программных пакетов, которые в основном базируются на методе конечных элементов для решения краевых задач. Последние достижения в области алгоритмов машинного обучения и их успешное применение в различных областях демонстрируют, что при правильном обучении эти модели могут значительно улучшить традиционные методы. В данной работе предложена и апробирована архитектура нейронной сети прямого распространения для моделирования прогибов тонкой пластины под действием равномерно распределенной нагрузки.

Modeling of real physical or technical mechanical systems
involves the widespread use of software packages, which are mainly based on the finite element method for solving boundary value problems. Recent advances in machine learning algorithms and their successful application in
various fields demonstrate that, with proper training, these models can significantly improve traditional methods. In paper, we propose and test the architecture of a direct distribution neural network for modeling deflections of a thin plate under the action of a uniformly distributed load.

Моделирование реальных физических или технических механических систем включает широкое использование программных пакетов, которые в основном базируются на методе конечных элементов для решения краевых задач. Последние достижения в области алгоритмов машинного обучения и их успешное применение в различных областях демонстрируют, что при правильном обучении эти модели могут значительно улучшить традиционные методы. В данной работе предложена и апробирована архитектура нейронной сети прямого распространения для моделирования прогибов тонкой пластины под действием равномерно распределенной нагрузки.

Modeling of real physical or technical mechanical systems
involves the widespread use of software packages, which are mainly based on the finite element method for solving boundary value problems. Recent advances in machine learning algorithms and their successful application in various fields demonstrate that, with proper training, these models can significantly improve traditional methods. In paper, we propose and test the architecture of a direct distribution neural network for modeling deflections of a thin plate under the action of a uniformly distributed load.