В данном исследовании анализируется влияние пространственно-временных характеристик на качество декодирования данных функциональной магнитно-резонансной томографии (фМРТ). Архитектуры нейронных сетей имеют ограниченные возможности при работе с данными фМРТ из-за малого объема выборки, высокой вариативности объектов и значительных требований к вычислительным ресурсам. Мы предлагаем методологию декодирования данных фМРТ при недостаточном объеме данных. В работе учитываются уникальные структурные особенности мозга каждого испытуемого. Для разработки методологии декодирования предложен алгоритм извлечения уникальной маски активности мозга для каждого испытуемого. Данный алгоритм снижает пространственную размерность временных рядов фМРТ путем взвешивания стимулируемых областей мозга с использованием кросс-корреляции. Разработана модель классификации временных рядов фМРТ, специализированная для фиксированного испытуемого. Модель состоит из двух частей: первая часть - маски активности мозга, извлеченные для каждого класса активности с помощью предложенного алгоритма; вторая часть - энкодер, использующий риманову геометрию для извлечения пространственно-временных характеристик. В вычислительном эксперименте предложенная методология анализируется на выборке, полученной в результате томографических обследований шести испытуемых. Анализ исключением компонент разработанной модели классификации демонстрирует значительное снижение качества при исключении любого из ее компонентов. Сравнение с подходами на основе нейронных сетей показывает превосходство предложенной методологии, особенно в сценариях с ограниченными данными.

В докладе рассматривается задача поиска искусственно сгенерированных фрагментов в научных документах. Актуальность задачи обосновывается распространением моделей генерации текстовых последовательностей в открытом доступе, способных в том числе генерировать ответы на вопросы из научного домена. Для решения задачи поиска искусственных фрагментов используются подходы, которые основаны на применении моделей глубокого обучения, порожденных архитектурой трансформер. Улучшение методов генерации текстов одновременно влечет за собой необходимое улучшение методов выявления искусственных фрагментов. В работе совместно со способами детектирования предлагается алгоритм генерации научных публикаций с искусственными фрагментами при помощи языковых моделей.

Методические рекомендации «Экспертная оценка курсовых, выпускных квалификационных и других учебных работ на заимствования с помощью системы „Антиплагиат“» (далее «Методические рекомендации», МР) предназначены для использования профессорско-преподавательским составом и специалистами высших учебных заведений при проведении проверок письменных работ обучающихся на наличие текстовых заимствований с помощью системы «Антиплагиат». Также документ может быть рекомендован для ознакомления руководству образовательной организации или структурного подразделения (института, факультета, кафедры и т. д.) при распределении обязанностей и назначении ответственных за проведение проверок на заимствования. При разработке «Методических рекомендаций» были использованы материалы вебинаров компании Антиплагиат. В соответствии с принципом открытого доступа к информации данные «Методические рекомендации» или их части можно свободно распространять, воспроизводить и доводить до всеобщего сведения с обязательной ссылкой на источник.