dlcp2025:schedule
This is an old revision of the document!
Table of Contents
Schudule
Section 1. Machine Learning in Fundamental Physics
July 2, 2025. SINP MSU, bld.19, room 2-15
14
Section 2. Machine Learning for Environmental Sciences
July 3, 2025. ИО РАН
| Time | Title | Reporter | |
|---|---|---|---|
| 10:00-10:15 | 90. Модель машинного обучения для прогнозирования вентиляторных порогов | Минкин А.С. | |
| 10:15-10:30 | 67. Доменная адаптация нейронных сетей в задаче диагностики природных вод по спектрам комбинационного рассеяния света | Л.С.Утегенова | |
| 10:30-10:45 | *55. Enhancing the Quality of Kp Index Machine Learning Forecasting Using Higher-Frequency Data and Feature Transformations | I.M.Gadzhiev | |
| 10:45-11:00 | *89. Восстановление высоты зданий с использованием машинного обучения и цифровой модели поверхности ArcticDEM | Окунева Влада Викторовна | |
| 11:00-11:30 | COFFEE BREAK | ||
| 11:30-11:45 | 83. USING MACHINE LEARNING METHODS FOR JOINT PROCESSING OF DATA FROM MULTIPLE SEMICONDUCTOR GAS SENSORS | Isaev I.V. | |
| 11:45-12:00 | *82. Сравнение методов машинного обучения для учета связей с запаздыванием при моделировании городского острова тепла | Назмутдинов К.Ф. | |
| 12:00-12:15 | 51. Нейросетевое пространственное масштабирование полей приповерхностного ветра над Баренцевым и Карским морями | Резвов В.Ю. | |
| 12:15-12:30 | 73. Моделирование турбулентного переноса примесей в планетарном пограничном слое с применением методов крупных вихрей и методов машинного обучения | И. А. Герасимов | |
| 12:30-12:45 | *45. Application of Convolutional Neural Networks for Upper Ionosphere Remote Sensing Using All-Sky Camera Data | Andrei Vorobev | |
| 12:45-13:00 | 15. Восстановление приповерхностной влажности атмосферы над океаном с применением методов машинного обучения | С. А. Вострикова | |
| 13:00-14:30 | LUNCH | ||
| 14:30-14:45 | 16. Сравнение моделей машинного обучения в задаче идентификации аномалий в данных визуальной съемки поверхности моря | Белоусова О. | |
| 14:45-15:00 | 56. Detection of Irminger Rings in high resolution ocean hydrodynamic modeling data using artificial neural networks | M.Kalinin | |
| 15:00-15:15 | Machine learning for statistical downscaling of precipitation spatial distribution characteristics in the Moscow region | Yarinich Yulia Ivanovna | |
| 15:15-15:30 | 72. Deep Learning-Based Estimation of wind induced waves parameters from X-Band Radar Imagery | Alexander Suslov | |
| 15:30-15:45 | 92. Intercomparison of machine learning approaches for identifying hail from basic weather parameters | Blinov P.D. | |
| 15:45-16:00 | COFFEE BREAK | ||
| 16:00-16:30 | 54. Foundation models of ocean and atmosphere in 2025: milestones and perspectives. | Krinitskiy M.A. | |
15
Section 3. Machine Learning in Natural Sciences
July 4, 2025. SINP MSU, bld.19, room 2-15
| Time | Title | Reporter | |
|---|---|---|---|
| 10:00-10:15 | 37. Neutron spectrum unfolding with deep learning models for tabular data | Chizhov Konstantin Alekseevich | |
| 10:15-10:30 | 49. Применение концепции переноса обучения для градиентного бустинга при решении обратных задач разведочной геофизики | М.К.Шалеев | |
| 10:30-10:45 | 48. Анализ стратегий обучения FBPINNs | Алимов Павел Геннадьевич | |
| 10:45-11:00 | 62. The creation of reasonable robot control behavior in the form of executable code | Skorokhodov Maksim | |
| 11:00-11:15 | *65. Temporal difference modulated spiking actor learning | Yunes Tihomirov | |
| 11:15-11:45 | COFFEE BREAK | ||
| 11:45- | Гамма-астрономия ультравысоких энергий и проект TAIGA-100 | L.Kuzmichev | |
| -12:15 | |||
| 12:15-12:30 | *70. Построение нейродифференциальных уравнений с применением методов обратных задач динамики | Шорохов С.Г. | |
| 12:30-12:45 | 74. СОЗДАНИЕ ДИНАМИЧЕСКОГО КОГНОВИЗОРА – РАСПОЗНАВАНИЕ КОГНИТИВНЫХ СОСТОЯНИЙ С ПОМОЩЬЮ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ | Макаров Александр Сергеевич | |
| 12:45-13:00 | *78. Analysis of PINN Training Strategies for Heat Conduction Problems | Tarasov A.A. | |
| 13:00-13:15 | 66. Comparison of Data Generation Methods for Spectral Analysis Using Variational Autoencoders | Mushchina A.S. | |
| 13:15-13:30 | *87. Применение переноса обучения сверточной нейронной сети для повышения точности решения обратной задачи фотолюминесцентной наносенсорики | Г. Чугреева | |
| 13:30-14:45 | LUNCH | ||
| 14:45-15:00 | Reserve | ||
| 15:00-15:15 | Reserve | ||
| 15:15-15:30 | 86. Probabilistic Spiking Neural Network with Correlation-based Memristive Synaptic Updates | Dmitry Kunitsyn | |
| 15:30-15:45 | 85. Finding optimal carbon dots synthesis parameters for quantitative analysis of components in multi-component aqueous solutions using machine learning | Guskov A.A. | |
| 15:45-16:00 | 91. Classifying Russian speech commands with a hardware-deployable spiking neural network transferred from an artificial neural network | Roman Rybka | |
| 16:00-16:15 | 64. Optimization of IRT-T research reactor fuel loading pattern by genetic algorithm | N.V. Smolnikov | |
| 16:15-16:30 | 59. Камни: Коллективная игра между агентами разнообразных типов, разработанная для изучения взаимодействия человека и искусственного интеллекта в многоагентной среде | Чернов К.Н. | |
| 16:30- | Новое поколение вычислительного оборудования для задач искусственного интеллекта в научных исследованиях | В.Егоршев | |
| -17:00 | |||
| 17:00 | CLOSING OF THE CONFERENCE | ||
16
dlcp2025/schedule.1751458390.txt.gz · Last modified: by admin