Необходимо авторизоваться.

В лаборатории мы занимаемся фундаметальными и прикладными исследованиями в области геофизики, океанологии, морской геологии, морской биологии, метеорологии, взаимодействия океана и атмосферы, а также динамики климата. Исследования проводятся с применением современных и классических методов машинного обучения, включая искусственные нейронные сети. Среди задач, которые решаются в лаборатории, можно перечислить мониторинг, измерения, проведение и обслуживание натурных наблюдений, а также моделирование природных процессов на различных масштабах. Исходными данными могут выступать как in situ данные наблюдений, данные дистанционного зондирования Земли из космоса, с беспилотных или пилотируемых летательных аппаратов, а также данные геофизического моделирования.

  1. Машинное обучение
  2. Искусственный интеллект
  3. Статистика
  4. Математическое моделирование
  5. Математическое и физическое моделирование
  6. Математическая статистика
  7. Сбор и анализ геофизических данных
  8. Методы распознавания образов для изучения магнитного поля Земли и решения других геофизических задач
  9. Анализ данных дистанционного зондирования земли
  10. Данные дистанционного зондирования (ДДЗ)
Михаил Криницкий
Заведующий лабораторией
Голиков Виктор Артёмович
Виктор Голиков
Научный сотрудник
Резвов Вадим Юрьевич
Вадим Резвов
Научный сотрудник
Борисов Михаил Андреевич
Михаил Борисов
Младший научный сотрудник

Направления исследований

Анализ снимков судового навигационного радара

+
В этом исследовании мы обучаем модели машинного обучения для определения характеристик ветрового волнения по данным амплитуды обратного рассеяния, регистрируемым навигационным радаром морских судов.

Идентификация и классификация плавающего морского мусора в океане

+
В этом исследовании мы обучаем искусственные нейронные сети детектировать и классифицировать плавающий морской мусор и другие объекты, нетипичные для поверхности моря, по данным оптической высокоразрешающей съемки с борта морского судна.

Анализ характеристик возвратной миграции тихоокеанского лосося

+
В этом проекте мы обучаем статистические модели прогнозировать дату медианного возврата и долю северного разделения для возвратной миграции тихоокеанских лососевых в р. Фрейзер (Канада)

Статистическое масштабирование и статистическая коррекция моделей атмосферы и океана

+
В рамках этого направления исследований мы обучаем искусственные нейронные сети для повышения разрешения (т.н. "даунскейлинг") или статистической корректировки результатов моделирования динамики атмосферы и океана. Важнейшая задача, которая решается в этом исследовании, - это разработка методов оценки качества нейросетевых методов даунскейлинга и стат. коррекции.

Публикации и патенты

Найдено 

Партнёры

Адрес лаборатории

Долгопрудный, Институтский переулок, 9
Необходимо авторизоваться.