1. Программный комплекс автоматической обработки и кластеризации рецензий на выпускные квалификационные работы (ВКР)

    Горобец, И. А., Мамедов, В. Ю., Морозов, Д. А., Насыбуллов, Т. Р., Оспичев, С. С. & Столяров, С. С., 26 May 2026, Роспатент - Федеральная служба по интеллектуальной собственности, Patent No. 2026665875, 12 May 2026, Priority date 12 May 2026, Priority No. 2026665207

    Research output: PatentSoftware registration

  2. Программный комплекс автоматической классификации научно-технических текстов согласно Универсальному десятичному классификатору (УДК)

    Горобец, И. А., Ковалевский, Д. А., Глуздов, Д. С., Морозов, Д. А., Насыбуллов, Т. Р., Оспичев, С. С. & Столяров, С. С., 3 Jul 2026, Роспатент - Федеральная служба по интеллектуальной собственности, Patent No. 2026667921, 12 May 2026, Priority date 12 May 2026, Priority No. 2026665204

    Research output: PatentSoftware registration

  3. Программный комплекс автоматического подбора рецензентов научных статей

    Горобец, И. А., Ковалевский, Д. А., Мамедов, В. Ю., Морозов, Д. А., Насыбуллов, Т. Р., Оспичев, С. С. & Столяров, С. С., 29 May 2026, Роспатент - Федеральная служба по интеллектуальной собственности, Patent No. 2026666296, 12 May 2026, Priority date 12 May 2026, Priority No. 2026665193

    Research output: PatentSoftware registration

  4. Практикум по декларативному программированию

    Власов, В. Н., 2025, Новосибирск: ИПЦ НГУ. 68 p.

    Research output: Book/ReportTeaching manualpeer-review

  5. О слабо коголографичных структурах

    Баженов, Н. А., Касымканулы, Б. & Морозов, А. С., 2025, In: Сибирский математический журнал. 66, 3 (391), p. 378-388

    Research output: Contribution to journalArticlepeer-review

  6. Иерархическая классификация научных статей при помощи глубокого обучения (на примере иерархии УДК)

    Mamedov, V. Y., Kovalevsky, D. A., Morozov, D., Stolyarov, S. S. & Ospichev, S. S., 2025, In: Modeling and Analysis of Information Systems. 32, 1, p. 80-94 15 p., 6.

    Research output: Contribution to journalArticlepeer-review

  7. Unveiling the methionine cycle: a key metabolic signature and NR4A2 as a methionine-responsive oncogene in esophageal squamous cell carcinoma

    Jin, X., Liu, L., Liu, D., Wu, J., Wang, C., Wang, S., Wang, F., Yu, G., Jin, X., Xue, Y. W., Jiang, D., Ni, Y., Yang, X., Wang, M. S., Wang, Z. W., Orlov, Y. L., Jia, W., Melino, G., Liu, J. B. & Chen, W. L., May 2024, In: Cell Death and Differentiation. 31, 5, p. 558-573 16 p.

    Research output: Contribution to journalArticlepeer-review

  8. Unsupervised Learning for Detection of Cognitive Distortions in Patient Narratives

    Bobo, S. & Kolonin, A., 2026, Advances in Neural Computation, Machine Learning, and Cognitive Research IX. Kryzhanovsky, B., Dunin-Barkowski, W., Redko, V., Tiumentsev, Y. & Klimov, V. V. (eds.). Springer, p. 545-562 18 p. 43. (Studies in Computational Intelligence; vol. 1241 SCI).

    Research output: Chapter in Book/Report/Conference proceedingConference contributionResearchpeer-review

  9. Turing Spectra of the Automorphism Groups of the Order on the Rationals

    Morozov, A. S., Nov 2024, In: Siberian Mathematical Journal. 65, 6, p. 1373-1378 6 p., 11.

    Research output: Contribution to journalArticlepeer-review

Previous 1 2 3 4 5 Next

ID: 60174705