Методы глубокого обучения в задачах анализа данных
Исполнитель
Факультет компьютерных наук НИУ ВШЭРуководитель проекта
Макаров Илья АндреевичЦель исследования
Создать новые методы глубокого обучения в задачах анализа данных
Результат
- Был предложен ряд модификаций, которые привели к новым нейросетевым архитектурам, использующим временную информацию по всей последовательности кадров.
- Показано, что предложенные методы могут быть эффективным инструментом для использования временной информации при оценке глубины в реальном времени.
Публикации
- Makarov I.A., Bakhanova M.D., Nikolenko S.I., Gerasimova O.A. Self-supervised recurrent depth estimation with attention mechanisms // PeerJ Computer Science, 2022 (Q2)
- Makarov I, Savchenko A, Korovko A, Sherstyuk L, Severin N, Kiselev D, Mikheev A, Babaev D. 2022. Temporal network embedding framework with causal anonymous walks representations // PeerJ Computer Science, 2022 (Q2)
- Golyadkin, M., Pozdnyakov, V., Zhukov, L., Makarov, I. SensorSCAN: Self-supervised learning and deep clustering for fault diagnosis in chemical processes // Artificial Intelligence, 2023 (Q1)
- Li X., Makarov I., Киселёв Д. А. Predicting Molecule Toxicity via Descriptor-based Graph Self-supervised Learning // IEEE Access, 2023 (Q1)
- Pozdnyakov V., Makarov I., Maksim Kazadaev Time Series Generation with GANs for Momentum Effect Simulation on Moscow Stock Exchange, in : Proceedings of the IEEE/IAFE Computational Intelligence for Financial Engineering (CIFEr-24). IEEE, 2024. P. 1–7.
- Fomin D., Ilya Makarov, Voronina M., Anna Strimovskaya, Vitaliy Pozdnyakov Heterogeneous Graph Attention Networks for Scheduling in Cloud Manufacturing and Logistics // IEEE Access. 2024. Vol. 12. P. 196195–196206. (Q1)
- Dayoub Y., Andrey V. Savchenko, Makarov I. Pose Networks Unveiled: Bridging the Gap for Monocular Depth Perception, in : ISMAR 2024 (IEEE International Symposium on Mixed and Augmented Reality), October 23-25, Seattle USA. / Ed. by U. Eck, M. Sra, J. Stefanucci, M. Sugimoto, M. Tatzgern, I. Williams. IEEE, 2024.P. 584–587.
- Liu Y., Han J., Sboev A., Makarov I. GEEF: A neural network model for automatic essay feedback generation by integrating writing skills assessment // Expert Systems with Applications. 2024. Vol. 245. Article 123043. (Q1)
- Vitaliy Pozdnyakov, Ilya Makarov, Aleksandr Kovalenko Graph Neural Networks With Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data // IEEE Access. 2024. Vol. 12. P. 152860 –152872. (Q1)
- Gambashidze A. et al. Weak-to-Strong 3D Object Detection with X-Ray Distillation //Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. –2024. –С. 15055-15064.
- Parakal, Eric George, et al. "Explainable Document Classification via Concept Whitening and Stable Graph Patterns." IEEE Access (2025). (Q1)
Рисунки
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.