Научные руководители
 |
Деева Ирина Юрьевнакандидат физико-математических наук ideeva@itmo.ru Структурное подразделение: лаборатория композитного искусственного интеллекта Должность: старший научный сотрудник Структурное подразделение: национальный центр когнитивных разработок Должность: старший научный сотрудник Структурное подразделение: факультет технологий искусственного интеллекта Должность: доцент (квалификационная категория "ординарный доцент") Профиль: 1.2.1. - Искусственный интеллект и машинное обучение Область интересов: Теория и алгоритмы обучения вероятностных графовых моделей, генерация синтетических табличных данных с ограничением на свойства данных, алгоритмы оценки устойчивости и качества синтетических выборок, генерация синтетических данных для обучения табличных foundation-моделей, параметризация моделей flow-matching через дифференциальные уравнения, алгоритмы тестирования машинного обучения в условиях сдвига распределений, использование синтетических данных для воспроизведения OOD-доменов в табличных задачах. Рабочий язык: Английский, Русский |
Публикации руководителя
| Выходные данные | Год | Индексирование в БД |
| Деева И.Ю., Шахкян К.А., Каминский Ю.К. Моделирование многомерных данных с помощью композитных байесовских сетей [Flexible and tractable modeling of multivariate data using composite Bayesian networks] // Научно-технический вестник информационных технологий, механики и оптики [Scientific and Technical Journal of Information Technologies, Mechanics and Optics] -2024. - Т. 24. - № 4. - С. 608-614 | 2024 | RSCI, Scopus, Белый список, ВАК, РИНЦ |
| Pinchuk M., Kirgizov G., Yamshchikova L., Nikitin N., Deeva I., Shakhkyan K., Borisov I., Zharkov K., Kalyuzhnaya A. GOLEM: Flexible Evolutionary Design of Graph Representations of Physical and Digital Objects//GECCO 2024 - Proceedings of the Genetic and Evolutionary Computation Conference Companion, 2024, pp. 1668-1675 | 2024 | Scopus, Web of Science |
| Deeva I., Kalyuzhnaya A.V., Boukhanovsky A.V. Adaptive Learning Algorithm for Bayesian Networks Based on Kernel Mixtures Distributions//International Journal of Artificial Intelligence, 2023, Vol. 21, No. 1, pp. 90-108 | 2023 | Scopus, Белый список |
| Filatova A., Kovalchuk M., Batalenkov S., Voskresenskiy A., Deeva I., Kalyuzhnaya A., Shpilman A., Kondrashova N., Dudnichenko M., Nasonov D. A Multi-Contractor Approach for MLRCPSP with the Graph Structure Optimization//IEEE Congress on Evolutionary Computation, CEC 2023, 2023, pp. 1-8 | 2023 | Scopus, Web of Science |
| Kaminsky Y., Deeva I. LSevoBN: a structure learning algorithm for large Bayesian networks//GECCO 2023 - Proceedings of the Genetic and Evolutionary Computation Conference Companion, 2023, pp. 2366–2369 | 2023 | Scopus, Web of Science |
| Deeva I., Bubnova A., Kalyuzhnaya A.V. Advanced Approach for Distributions Parameters Learning in Bayesian Networks with Gaussian Mixture Models and Discriminative Models//Mathematics, 2023, Vol. 11, No. 2, pp. 343 | 2023 | Scopus, Web of Science, Белый список |
| Безбородов А.К., Деева И.Ю. Поиск месторождений-аналогов на основе кластеризации байесовских сетей // Известия высших учебных заведений. Приборостроение -2022. - Т. 65. - № 1. - С. 64-72 | 2022 | RSCI, ВАК, РИНЦ |
| Bubnova A., Deeva I. Approach of variable clustering and compression for learning large Bayesian networks//Procedia Computer Science, 2022, Vol. 212, pp. 275-283 | 2022 | Scopus, Web of Science |
| Kaminsky Y., Deeva I. BigBraveBN: algorithm of structural learning for bayesian networks with a large number of nodes//Procedia Computer Science, 2022, Vol. 212, pp. 191-200 | 2022 | Scopus, Web of Science |
| Bezborodov A., Deeva I. Networks clustering-based approach for search of reservoirs-analogues//Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2022, Vol. 13351, pp. 222-228 | 2022 | Scopus, Web of Science |
| Deeva I., Mossyayev A., Kalyuzhnaya A.V. A Multimodal Approach to Synthetic Personal Data Generation with Mixed Modelling: Bayesian Networks, GAN’s and Classification Models//Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, 2022, Vol. 419, pp. 847-859 | 2022 | Scopus, Web of Science |
| Deeva I., Bubnova A., Andriushchenko P.D., Voskresenskiy A., Bukhanov N.V., Nikitin N.O., Kalyuzhnaya A.V. Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of Bayesian Networks//Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2021, Vol. 12742, pp. 394-407 | 2021 | Scopus, Web of Science |
| Lysenko A., Deeva I., Shikov E. MVAESynth: a unified framework for multimodal data generation, modality restoration, and controlled generation//Procedia Computer Science, 2021, Vol. 193, pp. 422-431 | 2021 | Scopus, Web of Science |
| Bubnova A., Deeva I., Kalyuzhnaya A.V. MIxBN: library for learning Bayesian networks from mixed data//Procedia Computer Science, 2021, Vol. 193, pp. 494-503 | 2021 | Scopus, Web of Science |
| Безбородов А.К., Деева И.Ю. Алгоритм поиска месторождений-аналогов на основе методов машинного обучения // Альманах научных работ молодых ученых Университета ИТМО -2021. - Т. 3. - С. 16-21 | 2021 | РИНЦ |
| Андрющенко П.Д., Деева И.Ю., Калюжная А.В., Бубнова А.В., Воскресенский А.Г., Буханов Н.В. Анализ параметров нефтегазовых месторождений с использованием байесовских сетей [Analysis of parameters of oil and gas fields using Bayesian networks] // Интеллектуальный анализ данных в нефтегазовой отрасли: сборник тезисов конференции [Data Science in Oil and Gas 2020] -2020. - С. 1-10 | 2020 | Scopus, РИНЦ |
| Deeva I., Andriushchenko P.D., Kalyuzhnaya A.V., Boukhanovsky A.V. Bayesian Networks-based personal data synthesis//ACM International Conference Proceeding Series, 2020, pp. 6-11 | 2020 | Scopus, Web of Science |
| Деева И.Ю. Многомасштабное моделирование цифрового образа человека в киберпространстве // Сборник трудов X международной научно-практической конференции «Программная инженерия и компьютерная техника (Майоровские чтения)» (СПб, 20-23декабря 2018г.) -2019. - С. 5-8 | 2019 | РИНЦ |
| Deeva I., Nikitin N.O., Kalyuzhnaya A.V. Pattern Recognition in Non-Stationary Environmental Time Series Using Sparse Regression//Procedia Computer Science, 2019, Vol. 156, pp. 357-366 | 2019 | Scopus, Web of Science |
| Nikitin N.O., Deeva I., Vychuzhanin P., Kalyuzhnaya A.V., Hvatov A., Kovalchuk S.V. Deadline-driven approach for multi-fidelity surrogate-assisted environmental model calibration: SWAN wind wave model case study//GECCO 2019 - Proceedings of the 2019 Genetic and Evolutionary Computation Conference Companion, 2019, pp. 1583-1591 | 2019 | Scopus, Web of Science |
| Деева И.Ю. Многомасштабное моделирование цифрового образа человека в киберпространстве // Альманах научных работ молодых ученых Университета ИТМО -2019. - Т. 3. - С. 156-160 | 2019 | РИНЦ |
| Deeva I. Computational Personality Prediction Based on Digital Footprint of A Social Media User//Procedia Computer Science, 2019, Vol. 156, pp. 185-193 | 2019 | Scopus, Web of Science |
| Деева И.Ю. Прогнозирование личностных метрик для контекстно-независимого цифрового образа пользователя социальной сети // Сборник трудов VIII конгресса молодых ученых (Санкт-Петербург, 15-19апреля 2019г.) -2019. - Т. 4. - С. 89-93 | 2019 | РИНЦ |