Установлено, что в осадочных породах Усть-Оленёкской системы складок на северо-восточной окраине Сибирской платформы присутствует вулканогенный материал различного состава. В позднепермское время в бассейн осадконакопления поступал кислый вулканогенный материал. Начиная с раннего триаса и вплоть до средней юры, происходило поступление вулканогенного материала преимущественно основного состава (результат извержения сибирских траппов). В поздней юре и до конца раннего мела (альбский век) в осадочный бассейн поступал в основном материал кислого состава
It is established that sedimentary rocks of the Ust'-Olenek fold belt in the northeastern margin of the Siberian platform contain volcanogenic material of varying composition. In Tate Permian time, acid volcanogenic material was supplied into the sedimentary basin. Beginning in the Early Triassic up to the Middle Jurassic, the supplied volcanogenic material was mainly of basic composition (products of Siberian traps eruption). In the Tate Jurassic through the Early Cretaceous (Albian) the material supplied into the sedimentary basin was acid in composition

В статье рассматривается задача обработки текста с помощью нейронных сетей для определения авторства. Актуальность данной темы обусловлена возрастающей ролью искусственного интеллекта в различных сферах, в том числе в области обработки естественного языка. Представлен практический пример реализации нейросетевого подхода к определению авторства текста с использованием библиотеки Keras Python на платформе Google Colaboratory. Описаны шаги по подготовке данных, создание обучающей и тестовой выборок, построения и обучения модели. Полученные результаты демонстрируют высокую точность идентификации авторства текстов, достигающую 95-98%.
The article deals with the task of text processing using neural networks to determine authorship. The relevance of this topic is due to the increasing role of artificial intelligence in various fields, including natural language processing. A practical example of implementation of neural network approach to text authorship determination using Keras Python library on Google Colaboratory platform is presented. The steps of data preparation, creation of training and test samples, model building and training are described. The obtained results demonstrate high accuracy of text authorship identification, reaching 95-98%.