Starodubcev N., Nikitin N., Andronova E., Gavaza K., Sidorenko D., Kalyuzhnaya A.V. Generative design of physical objects using modular framework. Engineering Applications of Artificial Intelligence. 2023. Vol. 119. pp. 105715.
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.
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.
Sarafanov M., Nikitin N.O., Kalyuzhnaya A.V. Automated Data-Driven Approach for Gap Filling in the Time Series Using Evolutionary Learning. Advances in Intelligent Systems and Computing. 2022. Vol. 1401. pp. 633-642.
Nikitin N.O., Vychuzhanin P., Sarafanov M., Polonskaia I.S., Revin I., Barabanova I.V., Kaluzhnaya A.V., Boukhanovsky A. Automated Evolutionary Approach for the Design of Composite Machine Learning Pipelines. Future Generation Computer Systems. 2022. Vol. 127. pp. 109-125.
Starodubcev N., Nikitin N.O., Kalyuzhnaya A.V. Surrogate-Assisted Evolutionary Generative Design Of Breakwaters Using Deep Convolutional Networks. IEEE Congress on Evolutionary Computation, CEC 2022. 2022. pp. 1-8.
Nikitin N.O., Revin I., Hvatov A., Vychuzhanin P., Kalyuzhnaya A.V. Hybrid and Automated Machine Learning Approaches for Oil Fields Development: the Case Study of Volve Field, North Sea. Computers and Geosciences. 2022. Vol. 161. pp. 105061.
Maslyaev M., Hvatov A., Kalyuzhnaya A.V. Partial differential equations discovery with EPDE framework: Application for real and synthetic data (R). Journal of Computational Science. 2021. Vol. 53. pp. 101345.
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.
Polonskaia I.S., Nikitin N.O., Revin I., Vychuzhanin P., Kaluzhnaya A.V. Multi-Objective Evolutionary Design of Composite Data-Driven Models. IEEE Congress on Evolutionary Computation, CEC 2021. 2021. pp. 926-933.
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.
Nikitin N.O., Hvatov A., Polonskaia I.S., Kalyuzhnaya A.V., Grigorev G., Wang X., Qian X. Generative design of microfluidic channel geometry using evolutionary approach. GECCO 2021 - Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2021. pp. 59-60.
Bykov N., Hvatov A., Kalyuzhnaya A.V., Boukhanovsky A.V. A method of generative model design based on irregular data in application to heat transfer problems. Journal of Physics: Conference Series. 2021. Vol. 1959. No. 1. pp. 012012.
Kalyuzhnaya A.V., Nikitin N.O., Hvatov A., Maslyaev M., Yachmenkov M., Boukhanovsky A.V. Towards generative design of computationally efficient mathematical models with evolutionary learning. Entropy. 2021. Vol. 23. No. 1. pp. 28.
Быков Н.Ю., Хватов А.А., Калюжная А.В., Бухановский А.В. Метод восстановления моделей тепломассопереноса по пространственно-временным распределениям параметров. Письма в Журнал технической физики. 2021. Т. 47. № 24. С. 9-12.
Nikitin N.O., Vychuzhanin P., Sarafanov M., Polonskaia I.S., Kaluzhnaya A.V. Multi-Purpose Evolutionary AutoML for the Generative Design of Composite Modelling Pipelines. KDD-AutoML Workshop 2021. 2021. pp. 1-6.
Современные методы оптимизации с примерами на Python
Применение методов автоматического машинного обучения для прогнозирования временных рядов
Nikitin N.O., Polonskaia I.S., Vychuzhanin P., Barabanova I.V., Kaluzhnaya A.V. Structural Evolutionary Learning for Composite Classification Models. Procedia Computer Science. 2020. Vol. 178. pp. 414-423.
Калюжная А.В., Никитин Н.О., Вычужанин П.В., Хватов А.А. Технологии прикладного искусcтвенного интеллекта в задачах численного моделирования процессов в океане. Комплексные исследования Мирового океана: материалы V Всероссийской научной конференции молодых ученых (Калининград, 18-22мая 2020г.). 2020. С. 81-82.
Применение методов машинного обучения для заполнения пропусков в данных дистанционного зондирования
Исследование эффективности эволюционных операторов в задачах оптимизации матричных генотипов
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.
Sarafanov M., Kazakov E.E., Nikitin N.O., Kalyuzhnaya A.V. A Machine Learning Approach for Remote Sensing Data Gap-Filling with Open-Source Implementation: An Example Regarding Land Surface Temperature, Surface Albedo and NDVI. Remote Sensing. 2020. Vol. 12. No. 23. pp. 3865.
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.
Nikitin N., Polonskaia I., Kalyuzhnaya A., Boukhanovsky A. The multi-objective optimisation of breakwaters using evolutionary approach. не указано. 2020. Vol. не указан. No. не указан. pp. не указаны.
Maslyaev M., Hvatov A., Kalyuzhnaya A.V. Discovery of the data-driven models of continuous metocean process in form of nonlinear ordinary differential equations. Procedia Computer Science. 2020. Vol. 178. pp. 18-26.
Maslyaev M., Hvatov A., Kalyuzhnaya A. Data-Driven Partial Differential Equations Discovery Approach for the Noised Multi-dimensional Data. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2020. Vol. 12138 LNCS. pp. 86-100.
Kaluzhnaya A.V., Nikitin N.O., Vychuzhanin P., Hvatov A., Boukhanovsky A.V. Automatic Evolutionary Learning of Composite Models With Knowledge Enrichment. GECCO 2020 - Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2020. pp. 43-44.
Никитин Н.О., Полонская Я.С., Калюжная А.В. Интеллектуальное проектирование защитных сооружений на шельфе с применением моделей морской среды и методов оптимизации. Комплексные исследования Мирового океана: материалы V Всероссийской научной конференции молодых ученых (Калининград, 18-22мая 2020г.). 2020. С. 141-142.
Khvatov A.A., Nikitin N., Kaluzhnaya A.V., Kosukhin S.S. Adaptation of NEMO-LIM3 model for multigrid high-resolution Arctic simulation. Ocean Modelling. 2019. Vol. 141. pp. 101427.
Vychuzhanin P., Nikitin N.O., Kalyuzhnaya A.V. Robust Ensemble-Based Evolutionary Calibration of the Numerical Wind Wave Model. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2019. Vol. 11536. pp. 614-627.
Uteuov A., Kalyuzhnaya A.V., Boukhanovsky A.V. The cities weather forecasting by crowdsourced atmospheric data. Procedia Computer Science. 2019. Vol. 156. pp. 347-356.
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.
Maslyaev M., Hvatov A., Kalyuzhnaya A.V. Data-driven partial derivative equations discovery with evolutionary approach. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2019. Vol. 11540 LNCS. pp. 635-641.
Вычужанин П.В., Калюжная А.В. Робастная калибровка параметров численной модели ветрового волнения SWAN. Альманах научных работ молодых ученых Университета ИТМО. 2019. Т. 3. С. 151-155.
Обнаружение аномалий в результатах гидрометеорологического моделирования с использованием сверточных нейронных сетей
Технологии поддержки жизненного цикла комплекса гидрометеорологических моделей
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.
Производственная (научно-исследовательская) и производственная (преддипломная) практика студентов: организация и проведение
Uteuov A., Kalyuzhnaya A. Combined document embedding and hierarchical topic model for social media texts analysis. Procedia Computer Science. 2018. Vol. 136. pp. 293-303.
Araya-Lopez J., Nikitin N.O., Kalyuzhnaya A.V. Case-adaptive ensemble technique for met-ocean data restoration. Procedia Computer Science. 2018. Vol. 136. pp. 311-320.
Vychuzhanin P., Hvatov A., Kalyuzhnaya A.V. Anomalies Detection in Metocean Simulation Results Using Convolutional Neural Networks. Procedia Computer Science. 2018. Vol. 136. pp. 321-330.
Эволюционный подход к управлению качеством ансамблевых моделей
Производственная (научно-исследовательская) и производственная (преддипломная) практика студентов: организация и проведение
Разработка системы автоматизированной верификации гидрометеорологической вычислительной системы //Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, 2018. - 2018
Kalyuzhnaya A.V., Nasonov D., Ivanov S.V., Kosukhin S.S., Boukhanovsky A.V. Towards a scenario-based solution for extreme metocean event simulation applying urgent computing. Future Generation Computer Systems. 2018. Vol. 79. No. Part.2. pp. 604-617.
Вычужанин П.В., Калюжная А.В. Разработка системы автоматизированной верификации гидрометеорологической вычислительной системы. Альманах научных работ молодых ученых Университета ИТМО. 2018. Т. 2. С. 114-117.
Утеуов А.К., Арайа Лопес Х., Калюжная А.В. Контроль качества и восстановление пропусков в гидрометеорологических данных. Альманах научных работ молодых ученых Университета ИТМО. 2018. Т. 2. С. 141-144.
Kovalchuk S.V. ., Metsker O.G., Funkner A.A., Kisliakovskii I.O., Nikitin N.O., Kalyuzhnaya A.V., Vaganov D.A., Bochenina K.O. A Conceptual Approach to Complex Model Management with Generalized Modelling Patterns and Evolutionary Identification. Complexity. 2018. pp. 5870987.
Тематическое моделирование финансовых привычек и интересов пользователей в социальных сетях
Kalyuzhnaya A.V., Nikitin N.O., Butakov N.A., Nasonov D.A. Precedent-based approach for the identification of deviant behavior in social media. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2018. Vol. 10862. pp. 846-852.
Nikitin N.O., Kalyuzhnaya A.V., Bochenina K., Kudryashov A., Uteuov A., Derevitskii I., Boukhanovsky A.V. Evolutionary ensemble approach for behavioral credit scoring. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2018. Vol. 10862. pp. 825-831.
Kovalchuk S.V., Kisliakovskii I.O., Metsker O.G., Nikitin N.O., Funkner A.A., Kalyuzhnaya A.V., Vaganov D.A., Bochenina K.O. Towards management of complex modeling through a hybrid evolutionary identification. GECCO 2018 Companion - Proceedings of the 2018 Genetic and Evolutionary Computation Conference Companion. 2018. pp. 255-256.
Наводнения в Санкт-Петербурге: история и современность
Noymanee J., Nikitin N.O., Kaluzhnaya A.V. Urban Pluvial Flood Forecasting using Open Data with Machine Learning Techniques in Pattani Basin. Procedia Computer Science. 2017. Vol. 119. pp. 288-297.
Gusarov A., Kalyuzhnaya A.V., Boukhanovsky A.V. Spatially adaptive ensemble optimal interpolation of in-situ observations into numerical vector field models. Procedia Computer Science. 2017. Vol. 119. pp. 325-333.
Lopez J.L., Uteuov A., Kalyuzhnaya A.V. Quality control and data restoration of metocean Arctic data. Procedia Computer Science. 2017. Vol. 119. pp. 315-324.
Nikishova A.V., Kalyuzhnaya A.V., Boukhanovsky A.V., Khukstra A. Uncertainty quantification and sensitivity analysis applied to the wind wave model SWAN. Environmental Modelling and Software. 2017. Vol. 95. pp. 344-357.
Nikitin N.O., Spirin D.S., Visheratin A.A., Kalyuzhnaya A.V. Statistics-based models of flood-causing cyclones for the Baltic Sea region. Procedia Computer Science. 2016. Vol. 101. pp. 272–281.
Araya-Lopez J., Kaluzhnaya A.V., Kosukhin S.S., Ivanov S.V. Data Quality Control for St. Petersburg flood warning system. Procedia Computer Science. 2016. Vol. 80. pp. 2128-2140.
Kaluzhnaya A.V., Boukhanovsky A.V. Computational uncertainty management for coastal flood prevention system. Procedia Computer Science. 2015. Vol. 51. pp. 2317-2326.
Visheratin A.A., Nasonov D.A. ., Kaluzhnaya, A.V. ., Kosukhin, S.S. . A simulation platform for atmospheric phenomena study within coastal floods in Baltic sea area. International Multidisciplinary Scientific GeoConference-SGEM: 15th International Multidisciplinary Scientific Geoconference SGEM 2015. 2015. Vol. 1. No. 2. pp. 11-18.
Kosukhin S.S., Kaluzhnaya A.V., Nikishova A.V., Boukhanovsky A.V. Special aspects of wind wave simulations for surge flood forecasting and prevention. Procedia Computer Science. 2015. Vol. 66. pp. 184-190.
Kalyuzhnaya A.V., Visheratin A.A., Dudko A., Nasonov D.A., Boukhanovsky A.V. Synthetic storms reconstruction for coastal floods risks assessment. Journal of Computational Science. 2015. Vol. 9. pp. 112-117.
Kaluzhnaya A.V., Nasonov D.A., Boukhanovsky A.V. . Ensemble risk assessment for flood warning system in st. Petersburg. 14th International Multidisciplinary Scientific Geoconference SGEM 2014. GeoConference on Informatics, Geoinformatics and Remote Sensing. Conference Proceedings. 2014. Vol. 1. No. 3. pp. 247-256.
Kosukhin, S.S. ., Kaluzhnaya, A.V. ., Nasonov D. Problem solving environment for development and maintenance of St. Petersburg’s Flood Warning System. Procedia Computer Science. 2014. Vol. 29. pp. 1667–1676.
Ivanov, S.V. ., Kosukhin, S.S. ., Kaluzhnaya, A.V. ., Boukhanovsky, A.V. . Erratum to Simulation-based collaborative decision support for surge floods prevention in St. Petersburg [J. Comput. Sci. 3 (2012) 450-455]. Journal of Computational Science. 2013. Vol. 4. No. 5. pp. 438.
Ivanov S.V., Kosukhin S.S., Kaluzhnaya A.V., Boukhanovsky A.V. Simulation-based collaborative decision support for surge floods prevention in St. Petersburg. Journal of Computational Science. 2012. Vol. 3. No. 6. pp. 450-455.
Мостаманди М.В., Насонов Д.А., Калюжная А.В., Бухановский А.В. Ансамблевые прогнозы экстремальных гидрометеорологических явлений в распределенной среде CLAVIRE. Известия высших учебных заведений. Приборостроение. 2011. Т. 54. № 10. С. 100-102.
Российская Федерация, Санкт-Петербург
Греция, Афины