|
|
|
Публикации в базе данных Math-Net.Ru |
Цитирования |
|
2024 |
| 1. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Энтропийно-рандомизированное оценивание параметров нелинейной динамической модели по наблюдениям зависимого процесса”, Челяб. физ.-матем. журн., 9:1 (2024), 144–159  |
|
2023 |
| 2. |
Ю. А. Дубнов, А. Ю. Попков, Б. С. Дарховский, “Экспериментальный анализ алгоритма оценивания гёльдеровой экспоненты на базе концепции $\epsilon$-сложности непрерывных функций”, Автомат. и телемех., 2023, № 4, 19–34 ; Yu. A. Dubnov, A. Yu. Popkov, B. S. Darkhovsky, “Estimating the Hölder exponents based on the $\epsilon$-complexity of continuous functions: an experimental analysis of the algorithm”, Autom. Remote Control, 84:4 (2023), 377–388 |
| 3. |
Ю. А. Дубнов, А. Ю. Попков, В. Ю. Полищук, Е. С. Сокол, А. В. Мельников, Ю. М. Полищук, Ю. С. Попков, “Алгоритмы рандомизированного машинного обучения для прогнозирования эволюции площади термокарстовых озер в зонах вечной мерзлоты”, Автомат. и телемех., 2023, № 1, 98–120 ; Yu. A. Dubnov, A. Yu. Popkov, V. Yu. Polishchuk, E. S. Sokol, A. V. Melnikov, Yu. M. Polishchuk, Yu. S. Popkov, “Randomized machine learning algorithms to forecast the evolution of thermokarst lakes area in permafrost zones”, Autom. Remote Control, 84:1 (2023), 64–81 |
1
|
| 4. |
Ю. А. Дубнов, А. В. Булычев, “Приближенное оценивание с помощью ускоренного метода наибольшей энтропии. Часть 2. Исследование свойств оценок”, ИТиВС, 2023, № 1, 71–81  |
|
2022 |
| 5. |
Ю. А. Дубнов, А. В. Булычев, “Приближенное оценивание с помощью ускоренного метода наибольшей энтропии. Часть 1. Постановка задачи и реализация для задачи регрессии”, ИТиВС, 2022, № 4, 69–80 |
| 6. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Прогнозирование распространения COVID-19 в ЕС с использованием рандомизированного машинного обучения динамических моделей”, ИТиВС, 2022, № 3, 67–78 |
| 7. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Рандомизированное машинное обучение и прогнозирование нелинейных динамических моделей c применением к эпидемиологической модели SIR”, Информатика и автоматизация, 21:4 (2022), 659–677 |
|
2021 |
| 8. |
Ю. А. Дубнов, Ю. А. Дубнов, В. Ю. Полищук, Ю. С. Попков, Ю. М. Полищук, А. В. Мельников, Е. С. Сокол, “Метод энтропийно-рандомизированного восстановления пропущенных данных”, Автомат. и телемех., 2021, № 4, 140–160 ; Yu. A. Dubnov, Yu. A. Dubnov, V. Yu. Polishchuk, Yu. S. Popkov, Yu. M. Polishchuk, A. V. Mel'nikov, E. S. Sokol, “Entropy-randomized method for the reconstruction of missing data”, Autom. Remote Control, 82:4 (2021), 670–686   |
2
|
| 9. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Энтропийно-рандомизированное проектирование”, Автомат. и телемех., 2021, № 3, 149–168 ; Yu. S. Popkov, Yu. A. Dubnov, A. Yu. Popkov, “Entropy-randomized projection”, Autom. Remote Control, 82:3 (2021), 490–505 |
2
|
| 10. |
Ю. А. Дубнов, В. Ю. Полищук, А. Ю. Попков, Е. С. Сокол, А. В. Мельников, Ю. М. Полищук, Ю. С. Попков, “Энтропийно-рандомизированное прогнозирование эволюции площади термокарстовых озёр”, Челяб. физ.-матем. журн., 6:3 (2021), 384–396 |
1
|
| 11. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Прогнозирование развития эпидемии COVID-19 в странах Европейского союза с использованием энтропийно-рандомизированного подхода”, Информатика и автоматизация, 20:5 (2021), 1010–1033 |
3
|
|
2020 |
| 12. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Элементы рандомизированного прогнозирования и его применение для предсказания суточной электрической нагрузки энергетической системы”, Автомат. и телемех., 2020, № 7, 148–172 ; Yu. S. Popkov, A. Yu. Popkov, Yu. A. Dubnov, “Elements of randomized forecasting and its application to daily electrical load prediction in a regional power system”, Autom. Remote Control, 81:7 (2020), 1286–1306 |
8
|
| 13. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Методы детерминированных и рандомизированных энтропийных проекций для редукции размерности матрицы данных”, Информ. и её примен., 14:4 (2020), 47–54 |
| 14. |
Ю. А. Дубнов, “Метод отбора признаков на основе вероятностного подхода и перекрестной энтропии на примере задачи распознавания изображений”, Искусственный интеллект и принятие решений, 2020, № 2, 78–85 |
| 15. |
Ю. А. Дубнов, А. В. Булычев, “Об одном подходе к настройке алгоритма Метрополиса-Гастингса для задачи разделения смеси гауссовских компонент”, ИТиВС, 2020, № 1, 25–33 |
| 16. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Кросс-энтропийная редукции матрицы данных с ограничением информационной емкости матриц-проекторов и их норм”, Матем. моделирование, 32:9 (2020), 35–52 ; Y. S. Popkov, A. Y. Popkov, Y. A. Dubnov, “Cross-entropy reduction of data matrix with restriction on information capacity of projectors and their norms”, Math. Models Comput. Simul., 13:3 (2021), 382–394 |
|
2019 |
| 17. |
Ю. А. Дубнов, “Энтропийное оценивание в задачах классификации”, Автомат. и телемех., 2019, № 3, 138–151 |
1
|
|
2018 |
| 18. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Энтропийная редукция размерности в задачах рандомизированного машинного обучения”, Автомат. и телемех., 2018, № 11, 106–122 ; Yu. S. Popkov, Yu. A. Dubnov, A. Yu. Popkov, “Entropy dimension reduction method for randomized machine learning problems”, Autom. Remote Control, 79:11 (2018), 2038–2051 |
5
|
| 19. |
Ю. А. Дубнов, “Об энтропийных критериях отбора признаков в задачах анализа данных”, ИТиВС, 2018, № 2, 60–69 |
|
2017 |
| 20. |
Ю. А. Дубнов, А. В. Булычев, “Байесовская идентификация параметров смеси нормальных распределений”, ИТиВС, 2017, № 1, 101–111 |
|
2016 |
| 21. |
Ю. С. Попков, Ю. А. Дубнов, “Энтропийно-робастное рандомизированное прогнозирование при малых объемах ретроспективных данных”, Автомат. и телемех., 2016, № 5, 109–127 ; Yu. S. Popkov, Yu. A. Dubnov, “Entropy-robust randomized forecasting under small sets of retrospective data”, Autom. Remote Control, 77:5 (2016), 839–854 |
1
|
|
Обратная связь: