КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер проекта 25-21-00269

НазваниеАдаптивное применение моделей машинного обучения

Руководитель Лебедев Илья Сергеевич, Доктор технических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки "Санкт-Петербургский Федеральный исследовательский центр Российской академии наук" , г Санкт-Петербург

Конкурс №102 - Конкурс 2025 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-201 - Искусственный интеллект и принятие решений

Ключевые слова информационная последовательность данных; многоуровневая модель обработки данных; сегментация данных; повышение показателей качества

Код ГРНТИ20.00.00


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Ожидаемые результаты
1. Анализ литературы, обзор и систематизация предметной области. 2. Метод формирования сегментов информационной последовательности, отличающегося от известных использованием функционала качества моделей обработки на подвыборках данных, что позволяет формировать агрегационную модель, осуществляющую назначение лучших по качественным показателям моделей на сегменты. 3. Метод обработки последовательностей данных на основе многоуровневых моделей, реализующих процессы анализа свойств данных, назначения лучших моделей по качественным показателям на отдельные сегменты данных и обучения.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2025 году
1. Метод формирования сегментов информационной последовательности, отличающегося от известных использованием функционала качества моделей обработки на подвыборках данных, что позволяет реализовать агрегационную модель, осуществляющую назначение лучших по качественным показателям моделей на сегменты. 2. Метод обработки последовательностей данных, отличающийся от известных использованием многоуровневых моделей, реализующих процессы анализа свойств данных, назначения лучших моделей по качественным показателям на отдельные сегменты данных и обучения.

 

Публикации

1. Лебедев И.С. АДАПТИВНОЕ ПОСТРОЕНИЕ РЕГРЕССИОННЫХ МОДЕЛЕЙ НА ОСНОВЕ АНАЛИЗА ФУНКЦИОНАЛА КАЧЕСТВА ОБРАБОТКИ СЕГМЕНТОВ ПОСЛЕДОВАТЕЛЬНОСТИ Информатика и автоматизация, Информатика и автоматизация. 2025. Т. 24. № 2. С. 363-394. (год публикации - 2025)
10.15622/ia.24.2.1

2. Лебедев И.С., Сухопаров М.Е., Семенов В.В., Хасанов Д.С. Adaptive Segmentation of Information Sequences for Machine Learning Modular Regression Models Emerging Science Journal (ESJ), Lebedev, I., Sukhoparov, M., Semenov, V., & Khasanov, D. (2025). Adaptive Segmentation of Information Sequences for Machine Learning Modular Regression Models. Emerging Science Journal, 9(5), 2420–2438. https://doi.org/10.28991/ESJ-2025-09-05-08 (год публикации - 2025)
10.28991/ESJ-2025-09-05-08

3. Лебедев И.С., Семенов В.В. Method for processing data sequences based on multi-level models in robotic systems Lecture Notes in Computer Science (LNCS), Internet of Things, Smart Spaces, and Next Generation Networks and Systems - 25th International Conference, NEW2AN 2025,Abu Dhabi, United Arab Emirates,10-12 Nov 2025, Proceedings (год публикации - 2025)

4. Лебедев И.С. ОБРАБОТКА ИНФОРМАЦИОННЫХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ С ИСПОЛЬЗОВАНИЕМ АДАПТИВНОГО АНАЛИЗА СЕГМЕНТОВ ПРИ ОЦЕНКЕ СОСТОЯНИЯ СИСТЕМ Информационно-управляющие системы, (3), 25-36, Информационно-управляющие системы. 2025. № 3 (136). С. 25-36. (год публикации - 2025)
10.31799/1684-8853-2025-3-25-36