Kirgizov G.V., Nikitin N.O., Pinchuk M., Iamshchikova L.A., Deeva I., Shakhkyan K., Borisov I.I., Zharkov K.D., Kaluzhnaya, A.V. . Automated Design of Graph-based Models and Structures using Modular Evolutionary Framework. AAAI-24. 2024. pp. in press.
Kaminsky Y., Deeva I. LSevoBN: a structure learning algorithm for large Bayesian networks. GECCO 2023 - Proceedings of the Genetic and Evolutionary Computation Conference Companion. 2023. pp. 2366–2369.
Deeva I., Bubnova A., Kalyuzhnaya A.V. Advanced Approach for Distributions Parameters Learning in Bayesian Networks with Gaussian Mixture Models and Discriminative Models. Mathematics. 2023. Vol. 11. No. 2. pp. 343.
Filatova A., Kovalchuk M., Batalenkov S., Voskresenskiy A., Deeva I., Kalyuzhnaya A., Shpilman A., Kondrashova N., Dudnichenko M., Nasonov D. A Multi-Contractor Approach for MLRCPSP with the Graph Structure Optimization. IEEE Congress on Evolutionary Computation, CEC 2023. 2023. pp. 1-8.
Deeva I., Kalyuzhnaya A.V., Boukhanovsky A.V. Adaptive Learning Algorithm for Bayesian Networks Based on Kernel Mixtures Distributions. International Journal of Artificial Intelligence. 2023. Vol. 21. No. 1. pp. 90-108.
Bubnova A., Deeva I. Approach of variable clustering and compression for learning large Bayesian networks. Procedia Computer Science. 2022. Vol. 212. pp. 275-283.
Bezborodov A., Deeva I. Networks clustering-based approach for search of reservoirs-analogues. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2022. Vol. 13351. pp. 222-228.
Deeva I., Mossyayev A., Kalyuzhnaya A.V. A Multimodal Approach to Synthetic Personal Data Generation with Mixed Modelling: Bayesian Networks, GAN’s and Classification Models. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering. 2022. Vol. 419. pp. 847-859.
Безбородов А.К., Деева И.Ю. Поиск месторождений-аналогов на основе кластеризации байесовских сетей. Известия высших учебных заведений. Приборостроение. 2022. Т. 65. № 1. С. 64-72.
Kaminsky Y., Deeva I. BigBraveBN: algorithm of structural learning for bayesian networks with a large number of nodes. Procedia Computer Science. 2022. Vol. 212. pp. 191-200.
Безбородов А.К., Деева И.Ю. Алгоритм поиска месторождений-аналогов на основе методов машинного обучения. Альманах научных работ молодых ученых Университета ИТМО. 2021. Т. 3. С. 16-21.
Deeva I., Bubnova A., Andriushchenko P.D., Voskresenskiy A., Bukhanov N.V., Nikitin N.O., Kalyuzhnaya A.V. Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of Bayesian Networks. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 2021. Vol. 12742. pp. 394-407.
Bubnova A., Deeva I., Kalyuzhnaya A.V. MIxBN: library for learning Bayesian networks from mixed data. Procedia Computer Science. 2021. Vol. 193. pp. 494-503.
Lysenko A., Deeva I., Shikov E. MVAESynth: a unified framework for multimodal data generation, modality restoration, and controlled generation. Procedia Computer Science. 2021. Vol. 193. pp. 422-431.
Генерация синтетических профилей пользователей социальной сети по заданным поведенческим характеристикам
Андрющенко П.Д., Деева И.Ю., Калюжная А.В., Бубнова А.В., Воскресенский А.Г., Буханов Н.В. Анализ параметров нефтегазовых месторождений с использованием байесовских сетей [Analysis of parameters of oil and gas fields using Bayesian networks]. Интеллектуальный анализ данных в нефтегазовой отрасли: сборник тезисов конференции [Data Science in Oil and Gas 2020]. 2020. С. 1-10.
Deeva I., Andriushchenko P.D., Kalyuzhnaya A.V., Boukhanovsky A.V. Bayesian Networks-based personal data synthesis. ACM International Conference Proceeding Series. 2020. pp. 6-11.
Nikitin N.O., Deeva I., Vychuzhanin P., Kalyuzhnaya A.V., Hvatov A., Kovalchuk S.V. Deadline-driven approach for multi-fidelity surrogate-assisted environmental model calibration: SWAN wind wave model case study. GECCO 2019 - Proceedings of the 2019 Genetic and Evolutionary Computation Conference Companion. 2019. pp. 1583-1591.
Deeva I., Nikitin N.O., Kalyuzhnaya A.V. Pattern Recognition in Non-Stationary Environmental Time Series Using Sparse Regression. Procedia Computer Science. 2019. Vol. 156. pp. 357-366.
Деева И.Ю. Прогнозирование личностных метрик для контекстно-независимого цифрового образа пользователя социальной сети. Сборник трудов VIII конгресса молодых ученых (Санкт-Петербург, 15-19апреля 2019г.). 2019. Т. 4. С. 89-93.
Деева И.Ю. Многомасштабное моделирование цифрового образа человека в киберпространстве. Альманах научных работ молодых ученых Университета ИТМО. 2019. Т. 3. С. 156-160.
Deeva I. Computational Personality Prediction Based on Digital Footprint of A Social Media User. Procedia Computer Science. 2019. Vol. 156. pp. 185-193.
Деева И.Ю. Многомасштабное моделирование цифрового образа человека в киберпространстве. Сборник трудов X международной научно-практической конференции «Программная инженерия и компьютерная техника (Майоровские чтения)» (СПб, 20-23декабря 2018г.). 2019. С. 5-8.
Предсказание метрик Big-Five на основе активности человека в социальных сетях
Деева И.Ю. ПРОЕКТИРОВАНИЕ СЕМАНТИЧЕСКИХ СЕТЕЙ НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ VISUAL PROLOG. Научные труды Кубанского государственного технологического университета. 2015. № 11. С. 461-466.
Российская Федерация, Санкт-Петербург
Российская Федерация, Санкт-Петербург
Российская Федерация, Санкт-Петербург
Российская Федерация
Российская Федерация
Российская Федерация, Санкт-Петербург