El diagnóstico médico, una técnica utilizada para visualizar las estructuras y funciones internas del cuerpo humano, sirve como herramienta científica para ayudar a los médicos e implica el uso directo del análisis de sistemas de imagen digital. En este escenario, la identificación de tumores cerebrales es compleja en el proceso de diagnóstico. La técnica de imágenes por resonancia magnética (IRM) es la que mejor ayuda al contraste de tejidos para obtener detalles anatómicos y también lleva a cabo mecanismos para investigar el cerebro mediante imágenes funcionales en la predicción de tumores. Teniendo en cuenta el modelo de IRM 3D, el análisis de las características anatómicas y tisulares del tumor cerebral es complejo por naturaleza. Por lo tanto, en este trabajo, la extracción de características se lleva a cabo mediante el cálculo de la matriz de coocurrencia de nivel de gris 3D (3D GLCM) y la matriz de longitud de ejecución (RLM) y la subselección de características para la reducción de la dimensionalidad se realiza con el algoritmo básico de evolución diferencial (DE). La clasificación se realiza utilizando la máquina de aprendizaje extremo (ELM) propuesta, con la técnica del optimizador de búsqueda de grupo refinado (RGSO), para seleccionar los mejores parámetros para una mejor simplificación y entrenamiento del clasificador para la caracterización del tejido cerebral y el tumor como materia blanca (WM), materia gris (GM), líquido cefalorraquídeo (CSF) y tumor. La máquina de aprendizaje extremo supera a la SVM lineal binaria estándar y a la BPN para el clasificador de imágenes médicas y demuestra ser mejor en la clasificación de tejidos sanos y tumorales. La comparación entre los algoritmos demuestra que la media y la desviación estándar producidas por el análisis de extracción de características volumétricas son superiores a los otros enfoques. El trabajo propuesto está diseñado para la clasificación de tumores cerebrales patológicos y para la segmentación de imágenes tumorales 3D por resonancia magnética. Los enfoques propuestos se aplican a conjuntos de datos en tiempo real y a conjuntos de datos de referencia tomados de repositorios de conjuntos de datos.

Muchas empresas metalúrgicas europeas se ven obligadas a importar mineral de hierro de destinos remotos. Para estas empresas es necesario determinar la cantidad de mineral de hierro que habrá que pedir y crear ese calendario de entregas de modo que no se interrumpa el funcionamiento continuo de la planta de altos hornos y no haya existencias excesivamente grandes de esta materia prima. El objetivo de este artículo es diseñar un sistema de apoyo a la toma de decisiones para el suministro de mineral de hierro que reduzca eficazmente la incertidumbre y el riesgo de esa toma de decisiones. Para ello, el artículo propone un sistema inteligente híbrido que representa una combinación de diferentes métodos de inteligencia artificial con una técnica de simulación dinámica.INTRODUCCIÓNEl mineral de hierro pertenece a las materias primas estratégicas de las empresas metalúrgicas con ciclo metalúrgico completo, incluida la producción de arrabio. En la actualidad, más del 80% de la producción mundial de mineral de hierro procede de China, Brasil, Australia e India [1]. Muchas empresas metalúrgicas europeas se ven obligadas a importar mineral de hierro de destinos remotos utilizando el transporte marítimo y el servicio ferroviario. Por eso, las decisiones logísticas básicas desempeñan aquí un papel clave. Es necesario determinar la cantidad de mineral de hierro que habrá que encargar y hacerlo con suficiente antelación. También es necesario crear ese calendario de entregas para que no se interrumpa el funcionamiento continuo de la planta de altos hornos y, al mismo tiempo, no haya existencias excesivamente grandes de esta materia prima (es decir, costes de inventario).El suministro de mineral de hierro se ve influido por una serie de efectos estocásticos que dificultan considerablemente las decisiones logísticas mencionadas. El más importante de estos efectos es la fluctuación de la demanda de mineral de hierro causada por la variabilidad de la demanda de materias primas metalúrgicas (y el aumento de la reciente crisis económica mundial) y por la variabilidad del plazo de entrega causada, por ejemplo, por problemas meteorológicos.El objetivo de este artículo es diseñar un sistema de apoyo a la toma de decisiones para el suministro de mineral de hierro que reduzca eficazmente la incertidumbre y el riesgo de la toma de decisiones logísticas.TRABAJO EXPERIMENTALEl proceso de suministro de mineral de hierro se ha evaluado en una empresa metalúrgica situada en Polonia que compra mineral de hierro a un proveedor de Ucrania. El mineral de hierro se transporta por tren.

Este artículo presenta un modelo híbrido, denominado como red neuronal profunda híbrida, que combina una red neuronal convolucional, optimización por enjambre de partículas y unidad recurrente con compuertas, denominado como modelo red neuronal convolucional-optimización por enjambre de partículas-unidad recurrente con compuertas. Los principales objetivos del modelo son realizar una detección precisa de robo de electricidad y superar los problemas en los modelos existentes. Los problemas incluyen el sobreajuste y la incapacidad de los modelos para manejar datos desequilibrados. Con este propósito, los datos de consumo de electricidad de medidores inteligentes son tomados de la corporación estatal de red eléctrica de China. Una empresa eléctrica recopila los datos de los medidores inteligentes instalados en los consumidores. El conjunto de datos contiene datos en tiempo real con valores faltantes y valores atípicos. Por lo tanto, primero se preprocesa para obtener los datos refinados seguido de la ingeniería de características para la selección y extracción de las mejores características del conjunto de datos utilizando

El problema de programación de talleres (JSSP) es un problema notoriamente difícil en la optimización combinatoria. En cuanto a la función objetivo, la mayor parte de la investigación existente se ha centrado en el criterio de la duración de los trabajos. Sin embargo, en los sistemas de fabricación contemporáneos, las prestaciones relacionadas con la fecha de entrega son más importantes porque son esenciales para mantener una alta reputación de servicio. Por lo tanto, en este estudio pretendemos minimizar la tardanza total ponderada en JSSP. Teniendo en cuenta la alta complejidad, se propone un algoritmo híbrido de evolución diferencial (ED) para el problema. Para mejorar la eficiencia global de la búsqueda, se descubre una propiedad de vecindad del problema y, a continuación, se diseña un procedimiento de búsqueda en árbol que se integra en el marco de la ED. De acuerdo con los amplios experimentos computacionales, el enfoque propuesto es eficiente para resolver el problema de programación de talleres con un objetivo de retraso total ponderado.

Thais, Act II: Meditation (arr. I. Reimann) (05 min. 40 sec.) / Massenet -- Arioso: Thanks be to God (arr. I. Reimann) (04 min. 03 sec.) / Handel -- Piano Sonata No. 14 in C-Sharp Minor, Op. 27, No. 2, "Moonlight": I. Adagio sostenuto (arr. I. Reimann for piano and synthesizer) (05 min. 26 sec.) / Beethoven -- Overture (Suite) No. 3 in D major, BWV 1068: II. Air, "Air on the G String" (arr. I. Reimann) (03 min. 19 sec.) / Bach -- Herz und Mund und Tat und Leben, BWV 147: Jesus bleibet meine Freude (arr. I. Reimann) (03 min. 32 sec.) / Bach -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, "Hymne an die Jungfrau" (arr. I. Reimann) (05 min. 33 sec.) / Schubert -- Kinderszenen (Scenes of Childhood), Op. 15: No. 7. Träumerei (Dreaming) (arr. I. Reimann) (02 min. 48 sec.) / Schumann -- Serse (Xerxes), HWV 40, Act I: Ombra mai fu, "Largo" (arr. I. Reimann) (02 min. 59 sec.) / Handel -- Adagio in G Minor (arr. I. Reimann) (06 min. 30 sec.) / Albinoni -- Ich steh mit einem Fuss im Grabe, BWV 156: Sinfonia (arr. I. Reimann) (02 min. 38 sec.) / Bach -- 12 Etudes, Op. 10: No. 3 in E Major (arr. I. Reimann) (04 min. 02 sec.) / Chopin -- Messe a 3 voix (Mass in 3 voices), Op. 12, M. 61: Panis angelicus (arr. I. Reimann for keyboards) (04 min. 10 sec.) / Franck -- Ave Maria (arr. I. Reimann) (05 min. 49 sec.) / Bach

The Toast of New Orleans: Be My Love (03 min. 29 sec.) / Brodszky -- Sadko: Song of the Indian Guest (03 min. 53 sec.) / Rimsky-Korsakov -- O sole mio (03 min. 55 sec.) / Capua -- The Student Prince, Act I: Serenade (03 min. 45 sec.) / Romberg -- La bohème, Act I: Che gelida manina! (04 min. 50 sec.) / Puccini -- A Connecticut Yankee: My Heart Stood Still (03 min. 16 sec.) / Rodgers -- Kismet, Act II: And This Is My Beloved (03 min. 20 sec.) / Forrest -- For the First Time: Come prima (03 min. 24 sec.) / Paola -- Fedora, Act II: Amor ti vieta (01 min. 13 sec.) / Giordano -- Fifty Million Frenchmen: You do something to me (02 min. 21 sec.) / Porter -- The Great Caruso: The Loveliest Night of the Year (03 min. 10 sec.) / Aaronson -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, "Hymne an die Jungfrau" (02 min. 46 sec.) / Schubert -- Gay Divorce: Night and Day (03 min. 40 sec.) / Porter -- Rigoletto, Act III: La donna e mobile (02 min. 10 sec.) / Verdi -- The Student Prince: Drink, Drink, Drink (03 min. 15 sec.) / Romberg -- Santa Lucia (Saint Lucy) (02 min. 59 sec.) / Cottrau -- Because You're Mine: Because You're Mine (03 min. 29 sec.) / Brodszky -- I'll see you in my dreams (02 min. 38 sec.) / Jones -- L'arlesiana, Act II: E la solita storia, "Lamento di Federico" (03 min. 50 sec.) / Cilea -- The Student Prince: I'll Walk with God (02 min. 54 sec.) / Romberg

Die Schöpfung (The Creation), Hob.XXI:2, Part I: Awake the harp (Sung in English) (02 min. 23 sec.) / Haydn -- Herz und Mund und Tat und Leben, BWV 147: Chorale: Jesu, Joy of Man's Desiring (Sung in English) (03 min. 11 sec.) / Bach -- Mass No. 12 in G Major, K. Anh. 232: Gloria in Excelsis Deo (04 min. 25 sec.) / Mozart -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, "Hymne an die Jungfrau" (arr. A. Harris for choir and orchestra) (04 min. 47 sec.) / Schubert -- Ein feste Burg ist unser Gott, BWV 80: A Mighty Fortress Is Our God (Sung in English) (02 min. 09 sec.) / Bach -- Part I: Rise up! Arise! (04 min. 46 sec.) / Mendelssohn -- See What Love (03 min. 03 sec.) / Mendelssohn -- Onward, Christian Soldiers (04 min. 07 sec.) / Sullivan -- The Lord's Prayer (03 min. 15 sec.) / Malotte -- Battle Hymn of the Republic (04 min. 46 sec.) / Steffe -- Messa di Gloria: Gloria (08 min. 59 sec.) / Puccini -- Gloria, RV 588: Gloria in excelsis (02 min. 22 sec.) / Vivaldi -- Requiem, Op. 48: Sanctus (03 min. 10 sec.) / Fauré -- Gloria, FP 177: Laudamus te (02 min. 54 sec.) / Poulenc -- Mass No. 11 in D Minor, Hob.XXII:11, "Nelsonmesse", "Imperial Mass", "Coronation Mass": Sanctus (02 min. 38 sec.) / Haydn -- Mass No. 18 in C Minor, K. 427, "Great": Gloria (02 min. 13 sec.) / Mozart -- O praise the Lord with one consent, HWV 254, "Chandos Anthem No. 9": O praise the Lord with one consent, and magnify his name! (05 min. 37 sec.) / Handel -- Mass No. 6 in E-Flat Major, D. 950: Gloria (04 min. 15 sec.) / Schubert -- Messa da Requiem: Sanctus (02 min. 34 sec.) / Verdi -- Messiah, HWV 56, Part II: Hallelujah (03 min. 43 sec.) / Handel

Suleika I (Was bedeutet die Bewegung), Op. 14, No. 1, D. 720 (05 min. 21 sec.) / Schubert -- Suleika II (Ach um deine feuchten Schwingen), Op. 31, D. 717 (04 min. 17 sec.) / Schubert -- Rosamunde, D. 797: No. 3b. Der Vollmond strahlt auf Bergeshohn "Romanze" (03 min. 13 sec.) / Schubert -- Blondel zu Marien, D. 626 (03 min. 37 sec.) / Schubert -- No. 2. Lied der Mignon (Heiß mich nicht reden) (03 min. 36 sec.) / Schubert -- No. 4. Lied der Mignon (Nur wer die Sehnsucht kennt) (03 min. 01 sec.) / Schubert -- No. 3. Lied der Mignon (So lasst mich scheinen) (03 min. 31 sec.) / Schubert -- Mignon (Kennst du das Land?), D. 321 (04 min. 14 sec.) / Schubert -- Gretchen am Spinnrade, Op. 2, D. 118 (03 min. 38 sec.) / Schubert -- Gretchen im Zwinger, D. 564, "Gretchens Bitte" (completed by B. Britten) (06 min. 47 sec.) / Schubert -- Der König in Thule, Op. 5, No. 5, D. 367 (03 min. 31 sec.) / Schubert -- Viola, Op. 123, D. 786 (13 min. 15 sec.) / Schubert -- Ellens Gesang I (Raste, Krieger), Op. 52, No. 1, D. 837 (08 min. 15 sec.) / Schubert -- Ellens Gesang II (Jäger, ruhe von der Jagd!), Op. 52, No. 2, D. 838 (03 min. 13 sec.) / Schubert -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, "Hymne an die Jungfrau" (06 min. 08 sec.) / Schubert

A Mighty Fortress (Ein feste Burg ist unser Gott) (arr. R.R. Bennett for choir, organ and orchestra) (05 min. 19 sec.) / Luther -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, "Hymne an die Jungfrau" (arr. R.R. Bennett for choir, organ and orchestra) (05 min. 04 sec.) / Schubert -- The Lost Chord (arr. R.R. Bennett for choir, organ and orchestra) (04 min. 40 sec.) / Sullivan -- Messe a 3 voix (Mass in 3 voices), Op. 12, M. 61: Panis angelicus (arr. R.R. Bennett for choir, organ and orchestra) (04 min. 50 sec.) / Franck -- Nearer, My God, to Thee (arr. R.R. Bennett for choir, organ and orchestra) (07 min. 33 sec.) / Adams -- The Holy City (arr. R.R. Bennett for choir, organ and orchestra) (06 min. 21 sec.) / Adams -- Ave Maria (arr. R.R. Bennett for choir, organ and orchestra) (03 min. 27 sec.) / Bach -- Kol Nidre (arr. R.R. Bennett for choir, organ and orchestra) (04 min. 51 sec.) / -- Were You There When They Crucified My Lord? (arr. R.R. Bennett for choir, organ and orchestra) (06 min. 48 sec.) / -- Wachet auf, ruft uns die Stimme, BWV 140 (arr. R.R. Bennett for choir, organ and orchestra) (05 min. 49 sec.) / Bach

Hymne a l'amour (arr. J. Ducros for cello, piano and orchestra) (03 min. 41 sec.) / Monnot -- Suite bergamasque: III. Clair de lune (orch. J. Ducros) (04 min. 53 sec.) / Debussy -- Csárdás (arr. J. Ducros for cello and piano) (04 min. 52 sec.) / Monti -- Rusalka, Op. 114, B. 203: Act I: Mesicku na nebi hlubokem, "Song to the Moon" (arr. for cello, piano and orchestra) (05 min. 44 sec.) / Dvořák -- The Leftovers: She Remembers (03 min. 34 sec.) / Richter -- 6 Morceaux, Op. 51: No. 6. Valse sentimentale (arr. J. Ducros for cello, piano and orchestra) (01 min. 56 sec.) / Tchaikovsky -- Ellens Gesang III (Ave Maria!), Op. 52, No. 6, D. 839, ""Hymne an die Jungfrau" (arr. J. Ducros for cello, piano, choir and orchestra) (06 min. 29 sec.) / Schubert -- 3 Gymnopedies: Gymnopedie No. 1 (orch. J. Ducros) (02 min. 52 sec.) / Satie -- Pavane, Op. 50 (arr. J. Ducros for cello, piano and orchestra) (06 min. 21 sec.) / Fauré -- 6 Gesänge, Op. 34: No. 2. Auf Flugeln des Gesänges (On Wings of Song) (arr. for cello and piano) (02 min. 21 sec.) / Mendelssohn -- Adagio in G Minor (arr. J. Ducros for cello, piano and orchestra) (08 min. 55 sec.) / Albinoni -- Hallelujah (arr. J. Ducros for cello, piano and orchestra) (03 min. 01 sec.) / Cohen -- Una mattina (arr. for cello and piano) (03 min. 10 sec.) / Einaudi -- Variations on an Original Theme, Op. 36, "Enigma" (arr. J. Ducros for cello, piano and orchestra) (03 min. 54 sec.) / Elgar -- You and Me (arr. J. Ducros for cello, piano and orchestra) (05 min. 39 sec.) / Chen -- The Piano: The Heart Asks Pleasure First (arr. J. Ducros for cello, piano and orchestra) (03 min. 39 sec.) / Nyman -- Oblivion (arr. J. Ducros for cello, piano and orchestra) (03 min. 43 sec.) / Piazzolla -- The Entertainer (arr. for cello and piano) (02 min. 50 sec.) / Joplin