В этой книге читатель вновь встретится с рассказами так полюбившегося многим английского ветеринарного врача, благодаря своим книгам ставшего мировой знаменитостью, которые и рассмешат, и опечалят, и заставят задуматься: потому что полны искренней любви и сочувствия ко всему живому.
Для любителей литературы о животных.
Даны правовые, организационные и специальные основы патоморфологической диагностики болезней животных, меры общественной и личной безопасности, виды и методы вскрытия животных разных видов и утилизации трупов, правила протоколирования результатов вскрытия, взятия и пересылки патматериала для лабораторных исследований, основы патогистологической и микроскопической техники, изготовления музейных экспонатов.
Представлены критерии макроскопической и микроскопической диагностики типовых патологических процессов (атрофии, дистрофии, расстройства кровообращения, регенерация и гипертрофия, воспаление, иммунопатология, опухоли и уродства), незаразных, инфекционных, микотических и инвазионных болезней, имеющие дифференциальное диагностическое значение, а также методические указания для их изучения.
Для студентов вузов по специальности «Ветеринария».
Учебно-методическое пособие «Ars Phoebea: Практикум по латинскому языку для студентов ветеринарного факультета» предназначено для студентов первого курса ветеринарного факультета очной и заочной форм обучения. Целью данного пособия является помощь в овладении грамматическим минимумом, в усвоении моделей склонения и спряжения и в приобретении основных навыков и умений практического применения ветеринарной клинической и анатомической терминологии.
Практикум включает в себя вступительный теоретический раздел, посвященный истории развития латинского языка; тренировочные упражнения по фонетике, тексты для устного чтения; блок, посвященный грамматике латинского языка, состоит из терминологического минимума по всем темам курса и справочного материала. В пособие также включены образцы контрольных работ для текущего и итогового контроля, добавлены творческие задания. В конце пособия представлены афоризмы, пословицы и крылатые выражения, снабженные комментариями.
В монографии изложены новейшие и оригинальные взгляды на структуру и видовой состав некоторых групп трематод. В ней дается разносторонняя характеристика двух подсемейств крупного семейства Plagiorchidae, подсемейства Sphaerostomatinae и семейств Stomylotrematidae и Ochetosomatidae.
Большой раздел занимает обзор морфологии, систематики и биологии метацеркарий трематод отряда Strigeidida.
Книга рассчитана на биологов, гельминтологов, ветеринарных работников.
Книга станет хорошим подспорьем как начинающему, так и опытному пчеловоду, поможет правильно организовать работу на любительской пасеке.
Robust quantification of predictive uncertainty is a critical addition needed for machine learning applied to
weather and climate problems to improve the understanding of what is driving prediction sensitivity. Ensembles of ma-
chine learning models provide predictive uncertainty estimates in a conceptually simple way but require multiple models
for training and prediction, increasing computational cost and latency. Parametric deep learning can estimate uncertainty
with one model by predicting the parameters of a probability distribution but does not account for epistemic uncertainty.
Evidential deep learning, a technique that extends parametric deep learning to higher-order distributions, can account for
both aleatoric and epistemic uncertainties with one model. This study compares the uncertainty derived from evidential
neural networks to that obtained from ensembles. Through applications of the classification of winter precipitation type
and regression of surface-layer fluxes, we show evidential deep learning models attaining predictive accuracy rivaling stan-
dard methods while robustly quantifying both sources of uncertainty. We evaluate the uncertainty in terms of how well the
predictions are calibrated and how well the uncertainty correlates with prediction error. Analyses of uncertainty in the
context of the inputs reveal sensitivities to underlying meteorological processes, facilitating interpretation of the models.
The conceptual simplicity, interpretability, and computational efficiency of evidential neural networks make them highly
extensible, offering a promising approach for reliable and practical uncertainty quantification in Earth system science
modeling. To encourage broader adoption of evidential deep learning, we have developed a new Python package, Machine
Integration and Learning for Earth Systems (MILES) group Generalized Uncertainty for Earth System Science (GUESS)
(MILES-GUESS) (https://github.com/ai2es/miles-guess), that enables users to train and evaluate both evidential
Множественность трактовки понятия «искус-
ственный интеллект» привела к необходимости его
осмысления для задач развития современных систем
вооружений. В статье предложен общий подход по-
иска путей интеграции и пересечения возможностей
современных ключевых технологий искусственного интеллекта и требований к созданию новых образцов вооружений. Подход демонстрируется на примере формирования облика и характеристик перспективных робототехнических систем военного назначения
В статье рассмотрена актуальность и необходимые условия внедрения в комплексы воен-
ного назначения с разноспектральными датчиками систем технического зрения программно-аппа-
ратных средств автоматического распознавания объектов вооружения, военной и специальной
техники (ВВСТ). Приведены результаты анализа возможностей обучения нейронных сетей автоматическому распознаванию объектов. Показана необходимость создания отечественного межвидового банка данных оптических и радиолокационных сигнатур объектов ВВСТ
Представлены результаты разработки дистанционного курса по мето-
дам искусственного интеллекта в физике в системе управления обучением MOODLE.
Общая трудоёмкость дистанционного курса по методам искусственного интеллекта в
физике составляет две зачётные единицы. Описаны тематические модули курса по ме-
тодам искусственного интеллекта в физике. Представлено описание элементов в виде
лекций, семинаров, заданий, тестов в каждом тематическом модуле курса по методам
искусственного интеллекта в физике в системе управления обучением MOODLE
В монографии изложены концептуальные основы и методы
представления знаний в системах искусственного интеллекта.
Рассмотрены различные подходы, применяемые при проектировании и
разработке интеллектуальных систем и технологий в транспортном
комплексе, а также рассмотрены тенденции развития систем
искусственного интеллекта.
Монография может быть использована для формирования
профессиональной компетентности студентов высших учебных заведений,
кадров высшей квалификации и научных сотрудников обучающихся и
ведущих научные исследования в области разработки и практического
применения систем искусственного интеллекта по укрупнённой группе направлений подготовки 09.00.00 – «Информатика и вычислительная техника»
