Компьютерное моделирование природных систем (NSS Lab)
Публикаций
59
Цитирований
529
Индекс Хирша
12
Необходимо авторизоваться.
Исследования в лаборатории фокусируются на нескольких основных направлениях. Алгоритмические направления: автоматическое машинное обучение, генеративный дизайн физических объектов, алгоритмы идентификации физических моделей по данным, алгоритмы обучения вероятностных моделей, а также алгоритмы композитного ИИ, которые могут соединять все вышеперечисленное :)
Любимым прикладным направлением нашей лаборатории было и остается моделирование природных процессов. Кроме этого, лаборатория много внимания уделяет разработке открытого кода и созданию современных образовательных курсов в магистратуре.
- Машинное обучение
- Генеративный дизайн физических объектов
- AutoML
- Алгоритмы идентификации физических моделей по данным
- Композитный ИИ
- Bayesian networks
Анна Калюжная
Заведующий лабораторией
Илья Ревин
Научный сотрудник
Ирина Деева
Научный сотрудник
Анна Бубнова
Инженер
Юлия Борисова
Инженер
Михаил Масляев
Младший научный сотрудник
Михаил Сарафанов
Младший научный сотрудник
Направления исследований
Другие проекты
+
У нас еще много интересных небольших студенческих или инициативных проектов. Ознакомиться с зоопарком наших наработок можно тут (https://github.com/ITMO-NSS-team)
Генеративный дизайн физических объектов
+
Мы разрабатываем библиотеку для генеративного дизайна геометрических объектов, сопряженных с непрерывной средой GEFEST (https://github.com/ITMO-NSS-team/GEFEST).
ИИ для гидрометеорологических задач
+
Мы пытаемся объединить наши знания в области гидромет моделирования с возможностями машинного обучения и методов интеллектуальной оптимизации для улучшения качества моделирования природных процессов.
ИИ для задач нефтяной промышленности
+
В последнее время мы решаем много промышленных задач с помощью методов ИИ, в первую очередь в нефтяной отрасли.
Идентификация ДУЧП по данным
+
Мы разрабатываем фреймворк для восстановления структуры ДУЧП по данным EPDE (https://github.com/ITMO-NSS-team/EPDE)
Алгоритмы обучения байесовских сетей
+
Мы разрабатываем открытую библиотеку для структурного и параметрического обучения байесовских сетей BAMT (https://github.com/ITMO-NSS-team/BAMT)
Автоматическое машинное обучение
+
Мы разрабатываем открытый фреймворк автоматического машинного обучения FEDOT (https://github.com/nccr-itmo/FEDOT)
Публикации и патенты
Найдено
Ничего не найдено, попробуйте изменить настройки фильтра.
Партнёры
Адрес лаборатории
Санкт-Петербург, Кронверкский просп., 49
Необходимо авторизоваться.