Адрес e-mail:

Состав диссертационного совета (Ле Тхе Ань)

Состав диссертационного совета № ФРКТ.05.13.01.010 
ФИО соискателя: Ле Тхе Ань
Название диссертации: «Deep Neural Network Models for Sequence Labeling and Coreference Tasks/ Глубокие нейросетевые модели для задач разметки последовательности и разрешения кореференции»
Научная специальность: 05.13.01 – Системный анализ, управление и обработка информации (информационные и технические системы) 
Ученая степень, на соискание которой представлена диссертация: кандидат технических наук

Дворкович Александр Викторович - председатель диссертационного совета 
Основное место работы: Федеральное государственное автономное образовательное учреждение высшего образования «Московский физико-технический институт (национальный исследовательский университет)» 
Должность: г.н.с. – зав. лаб. 
Ученая степень: доктор технических наук 
Ученое звание: член-корр. РАН 
Публикации по специальности диссертации: 
1. Dvorkovich A.V. Development Trends and International Standardization of Broadcasting Service. Proceedings - 2017 4th International Conference on Engineering and Telecommunication, En and T 2017. 2017. С. 3-6. doi: 10.1109/ICEnT.2017.7
2.  Gennady Yu. Gryzov, Alexander V. Dvorkovich. Three-channel Wavelet Transform for Video Compression Applications // 6th Mediterranean Conference on Embedded Computing MECO 2017, Bar, Montenegro, 11-15 June 2017.: Proceedings – Research monograph – P. 205-208. DOI: 10.1109/MECO.2017.7977197.
3. Viktor P. Dvorkovich, Alexander V. Dvorkovich. Image Processing Using Multiscale Discrete Wavelet Transform // 5th Mediterranean Conference on Embedded Computing MECO 2016, Bar, Montenegro, 12-14 June 2016.: Proceedings – Research monograph – P. 180-183. DOI: 10.1109/MECO.2016.7525735.
4. Bystrov, K. S., Gryzov, G. Y., Dvorkovich, A. V., & Dvorkovich, V. P. (2017). Wavelet-based video coding: Modem implementations and prospects of coding efficiency increase. Paper presented at the Proceedings - 2017 4th International Conference on Engineering and Telecommunication, En and T 2017, 2017-January 38-41. doi:10.1109/ICEnT.2017.15
5. Bystrov, K., Dvorkovich, A., Dvorkovich, V., & Gryzov, G. (2017). Usage of video codec based on multichannel wavelet decomposition in video streaming telecommunication systems doi:10.1007/978-3-319-66836-9_10
6. Nam D.T., Gryzov G.Y., Dvorkovich V.P., Dvorkovich A.V. Nonlinear Quantization Method for Wavelet-Based Video Codec// Proceedings - 5th International Conference on Engineering and Telecommunication, EnT-MIPT 2018 5. 2018. С. 25-29. DOI: 10.1109/EnT-MIPT.2018.00013
7. Dvorkovich A.V., Dvorkovich V.P., Irtyuga V.A., Mityagin K.S. Field Tests of Digital Terrestrial Multimedia Broadcasting System RAVIS// Proceedings - 5th International Conference on Engineering and Telecommunication, EnT-MIPT 2018 5. 2018. С. 3-7. DOI: 10.1109/EnT-MIPT.2018.00008

Умняшкин Сергей Владимирович 
Основное место работы: НИУ МИЭТ
Должность: профессор кафедры высшей математики № 1
Ученая степень: д.ф.-м.н.
Ученое звание: профессор
Публикации по специальности диссертации, для рассмотрения которой формируется диссертационный совет
- Индексируемые базами данных Web of Science, Scopus:
1)         Tselousov А., Umnyashkin S. Kernel estimate for image restoration using blind deconvolution. Proceedings of the 2017 IEEE Russia Section Young Researchers in Electrical and Electronic Engineering Conference, ElConRus 2017. 1ЕЕЕ. 2017. с.753-757. DOI: 10.1109/E1ConRus.2017.7910667
2)         Panfilova,К., Umnyashkin S. Linear blur compensation in digital images using Lucy-Richardson method. Proceedings of the 2016 IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference, EIConRusNW 2016. IEEE. 2016. c. 302-304. DOI: 10.1109/EIC0nRusNW.2016.7448179
3)         Vorotnev, D., Golovanov, R., Umnyashkin, S. Training Bayesian classifier with scaling unique colors among image samples // Proceedings of the 2018 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus 2018. 2018-January, с. 1835-1839. DOI: 10.1109/EIConRus.2018.8317464
4)         Kimlyk, M., Umnyashkin, S. Image denoising using discrete wavelet transform and edge information // Proceedings of the 2018 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus 2018. 2018-January, с. 1823-1825. DOI: 10.1109/EIConRus.2018.8317461
5)         Panfilova, K., Umnyashkin, S. Correlation-based quality measure for blind deconvolution restoration of blurred images based on Lucy-Richardson method. //Proceedings of the 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus.- 2019.- 8657324.- с. 2222-2225. DOI: 10.1109/EIConRus.2019.8657324
6)         Breykina, K., Umnyashkin, S. Correlation-based Iterative Estimation of Distortion Kernel for Image Restoration// Proceedings of the 2020 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, EIConRus 2020. January 2020, Номер статьи 9039119, Pages 1915-1919. DOI: 10.1109/EIConRus49466.2020.9039119.
- Прочие:
1)            Брейкина К.В., Умняшкин С.В. ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЯ ПРИ КОМПЕНСАЦИИ СМАЗА ПО МЕТОДУ ЛЮСИ – РИЧАРДСОНА// Известия высших учебных заведений. Электроника. 2020. Т. 25. № 2. С. 167-174.

Дунин-Барковский Виталий Львович
Основное место работы: Московский физико-технический институт (МФТИ)
Должность: профессор
Ученая степень: доктор физико-математических наук
Ученое звание: профессор
Публикации по специальности диссертации, для рассмотрения которой формируется диссертационный совет: 
- Индексируемые базами данных Web of Science, Scopus:
1)         Lebedev A.E., Solovyeva K.P., Dunin-Barkowski W.L. The large-scale symmetry learning applying pavlov principle // Studies in Computational Intelligence, 2020, vol. 856, pp. 405-411.
2)         Dunin-Barkowski W.L., Shakirov V.V. A way toward human level artificial intelligence // Optical Memory and Neural Networks (Information Optics), 2019, vol. 28, pp. 21-26.
3)         Dunin-Barkowski W.L., Solovyeva, K.P. Pavlov principle and brain reverse engineering // 2018 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology, CIBCB, 2018, pp. 1-5.
4)         Shakirov V.V., Solovyeva K.P., Dunin-Barkowski W.L. Review of state-of-the-art in deep learning artificial intelligence // Optical Memory and Neural Networks (Information Optics), 2018, vol. 27, pp. 65-80.
5)         Negrov D., Karandashev I., Shakirov, V., Matveyev Y., Dunin-Barkowski W., Zenkevich A. An approximate backpropagation learning rule for memristor based neural networks using synaptic plasticity // Neurocomputing, 2017, vol. 237, pp. 193-199.
6)         Solovyeva K.P., Karandashev I.M., Zhavoronkov A., Dunin-Barkowski W.L. Models of innate neural attractors and their applications for neural information processing // Frontiers in Systems Neuroscience, 2016, vol. 9, pp. 178.
7)         Ksenia Solovyeva1, Iakov Karandashev and Witali Dunin-Barkowski, Analytical estimates of efficiency of attractor neural networks with inborn connections // 6th Seminar on Industrial Control Systems: Analysis, Modeling and Computation - ITM Web of Conferences, 2016, vol. 6.

Иван Валерьевич Оселедец
Основное место работы: Сколковский институт науки и технологий (Сколтех)
Должность: профессор
Ученая степень: доктор физико-математических наук
Ученое звание: профессор
Публикации по специальности диссертации, для рассмотрения которой формируется диссертационный совет: 
- Индексируемые базами данных Web of Science, Scopus: 
1)         Phan, A.-H., Cichocki A., Oseledets I., Calvi G.G., Ahmadi-Asl S., Mandic D.P., Tensor networks for latent variable analysis: Higher order canonical polyadic decomposition // IEEE Transactions on Neural Networks and Learning Systems, 2019, vol. 31, pp. 2174-2188.
2)         Novikov A., Izmailov P., Khrulkov V., Figurnov M., Oseledets I. Tensor train decomposition on tensorflow (T3F) // Journal of Machine Learning Research, 2020, vol. 21, pp. 1-7.
3)         Merkulov D.M., Oseledets I.V., Empirical study of extreme overfitting points of neural networks // Journal of Communications Technology and Electronics, 2019, vol. 64, pp. 1527-1534.
4)         Ponomarev E.S., Oseledets I.V., Cichocki A.S. Using reinforcement learning in the algorithmic trading problem // Journal of Communications Technology and Electronics, 2019, vol. 64, pp. 1450-1457.
5)         Gusak J., Kholiavchenko M., Ponomarev E., Markeeva L., Blagoveschensky P., Cichocki A., Oseledets I. Automated multi-stage compression of neural networks // Proceedings - 2019 International Conference on Computer Vision Workshop, ICCVW, 2019, pp. 2501-2508.
6)         Sosnovik I., Oseledets I. Neural networks for topology optimization // Russian Journal of Numerical Analysis and Mathematical Modelling, 2019, vol. 34, pp. 215-223.
7)         Ovchinnikov G.V., Zorin D., Oseledets I.V. Robust regularization of topology optimization problems with a posteriori error estimators// Russian Journal of Numerical Analysis and Mathematical Modelling, 2019, vol. 34, pp. 57-69.

Проталинский Олег Мирославович
Основное место работы: кафедра АСУ ТП, МЭИ
Должность: профессор
Ученая степень: д.т.н.
Ученое звание: профессор 
Публикации по специальности диссертации, для рассмотрения которой формируется диссертационный совет: 
- Индексируемые базами данных Web of Science, Scopus: 
1. Shcherbatov, I.A., Dung, N.T., Glazkov, V.P., Protalinskiy, O.M. Control movement of mobile robots inside building based on pattern recognition algorithm. 2017 International Siberian Conference on Control and Communications, SIBCON 2017 – Proceedings. IEEE. 2017. DOI: 10.1109/SIBCON.2017.7998586
2. Khanova, A. A., Protalinskiy, O. M., & Averianova, K. I.. The elaboration of strategic decisions in the socio-economic systems. Journal of Information and Organizational Sciences. 2017. Volume 41, Issue 1, 2017, Pages 57-67.
3. Pechenkin, D., Shcherbatov, I., Protalinskiy, O. Risk Assessment For Poorly Formalized Technological Process. 2nd Russia and Pacific Conference on Computer Technology and Applications (RPC). Vladivostok, SEP 25-29, 2017. p. 132-136.
4. Protalinsky, O. M., Shcherbatov, I. A., & Stepanov, P. V. (2017). Identification of the actual state and entity availability forecasting in power engineering using neural-network technologies. Paper presented at the Journal of Physics: Conference Series, 891(1) doi:10.1088/1742-6596/891/1/012289
- Прочие:
5. Проталинский О.М., Щербатов И.А., Проталинский И.О. Прогнозирование надежности технологического оборудования на основе идентификации его состояний. Приборы и системы. Управление, контроль, диагностика. 2018. № 8. С. 39-45.
6. Нгуен Туан Зунг, Щербатов И.А., Проталинский О.М. Система управления мобильным роботом на основе модифицированного алгоритма 3D-POINTCLOUD. Мехатроника, автоматизация, управление. 2016. Т. 17. № 6. С. 400-406.
7. Джамбеков А.М., Щербатов И.А., Антонов О.В., Проталинский О.М. РАСЧЕТ ЭФФЕКТИВНОСТИ ПРОЦЕССА КАТАЛИТИЧЕСКОГО РИФОРМИНГА С ИСПОЛЬЗОВАНИЕМ ГИБРИДНОЙ МОДЕЛИ. Автоматизация, телемеханизация и связь в нефтяной промышленности. 2017. № 2. С. 26-33.

Тюменцев Юрий Владимирович
Основное место работы: Московский авиационный институт (национальный исследовательский университет)
Должность: профессор кафедры 106 "Динамика и управление полетом пилотируемых ЛА"
Ученая степень: доктор технических наук
Ученое звание: доцент

Публикации по специальности диссертации, для рассмотрения которой формируется диссертационный совет 
- Индексируемые базами данных Web of Science, Scopus: 
1)         Tiumentsev Y., Egorchev M. Semi-empirical neural network based modeling and identification of controlled dynamical systems // Studies in Computational Intelligence. 2020. vol. 856, pp. 25-42.
2)         Kozlov D.S., Tiumentsev Y.V. Semi-empirical neural network models of hypersonic vehicle 3D-motion represented by index 2 DAE // 21st International Conference on Neuroinformatics, 2019, pp. 335-341.
3)         Igonin D.M., Tiumentsev Y.V. Semantic segmentation of images obtained by remote sensing of the earth // In: Kryzhanovsky B., Dunin-Barkowski W., Redko V., Tiumentsev Y. (eds) Advances in Neural Computation, Machine Learning, and Cognitive Research III. NEUROINFORMATICS 2019. Studies in Computational Intelligence, 2019, vol. 856, pp. 309-318.
4)         Egorchev M.V., Tiumentsev Y.V. Semi-empirical continuous time neural network based models for controllable dynamical systems // Opt. Mem. Neural Networks, 2019, vol. 28, pp. 192–203.
5)         Prostov Y.S., Tiumentsev Y.V., Recurrent neurodynamic model of neuron with variable activation characteristic // Biologically Inspired Cognitive Architectures, 2018, vol. 25, pp. 58-65.
6)         Prostov Y.S., Tiumentsev Y.V. Functional plasticity in a recurrent neurodynamic model: From gradual to trigger behavior // Procedia Computer Science, 2018, vol. 123, pp, 366-372.
7)         Egorchev M.V., Tiumentsev Y.V. Neural network semi-empirical modeling of the longitudinal motion for maneuverable aircraft and identification of its aerodynamic characteristics // Studies in Computational Intelligence, 2017, vol. 736, pp. 65-71.

Ученый секретарь: Сахно С.В.
Технический секретарь: В.О. Останина (ostanina.vo@mipt.ru; +7 (498) 713 91 49)
 

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2021 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях