Адрес: 109028, г. Москва, Покровский бульвар, д. 11, корпус S, комната S938 (станции метро "Чистые пруды" и "Курская").
Телефон: +7(495) 772-95-90 *27319
Департамент анализа данных и искусственного интеллекта был создан в 2014 году на базе кафедры анализа данных и искусственного интеллекта. В его состав входят исследователи с мировым именем, активно участвующие в международных исследовательских проектах.
Acquaye F. L., Kertesz-Farkas A., Stafford Noble W.
Journal of Proteome Research. 2023. Vol. 22. No. 2. P. 577-584.
Vasilii A. Gromov, Yury N. Beschastnov, Korney K. Tomashchuk.
PeerJ Computer Science. 2023. Vol. 9. No. .
Kanovich M., Kuznetsov S., Scedrov A.
Information and Computation. 2022. Vol. 287.
Egurnov D., Ignatov D. I.
Automation and Remote Control. 2022. Vol. 83. No. 6. P. 894-902.
Egurnov D., Точилкин Д. С., Ignatov D. I.
In bk.: Complex Data Analytics with Formal Concept Analysis. Springer, 2022. P. 239-258.
Dudyrev F., Neznanov A., Anisimova K.
In bk.: Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners’ and Doctoral Consortium -23rd International Conference, AIED 2022, Durham, UK, July 27–31, 2022, Proceedings, Part II. Springer, 2022. P. 436-439.
Zhirayr Hayrapetyan, Nascimento S., Trevor F. et al.
In bk.: Information Systems and Technologies: WorldCIST 2022, Volume 2. Iss. 469. Springer, 2022. P. 141-147.
Dudyrev E., Semenkov Ilia, Kuznetsov S. et al.
Plos One. 2022. Vol. 17. No. 10.
5 декабря 2025 г. в 12:00 в рамках семинара "Математические модели информационных технологий" Центра языковых и семантических технологий, департамента анализа данных и искусственного интеллекта, МЛ Интеллектуальных систем и структурного анализа под руководством С.О. Кузнецова состоится доклад Евгения Александрович Дживеликян(Институт Искусственного Интеллекта AIRI) по теме «Разработка методов и алгоритмов байесовской иерархической временной памяти для задач обучения с подкреплением» в формате онлайн конференции.
Аннотация:
В рамках семинара будет представлена работа по разработке и применению биологически интерпретируемой иерархической временной памяти (ИВП) для задач непрерывного обучения с подкреплением. Автор предлагает и исследует архитектуру агента, которая использует локальные, нейрофизиологически обоснованные правила обучения вместо обратного распространения ошибки, что позволяет агенту эффективно адаптироваться в нестационарных, стохастических и частично наблюдаемых средах. В докладе будут рассмотрены байесовская интерпретация модели, её реализация в виде распределённой хеббовской временной памяти (РХВП), а также алгоритм итеративной структуризации памяти на основе последовательных представлений для формирования обобщённых когнитивных карт. Экспериментально продемонстрировано преимущество предложенного подхода перед методами глубокого обучения в условиях необходимости онлайн-адаптации к непредсказуемым изменениям в среде.