Персоналии
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
 
Ветров Дмитрий Петрович

кандидат физико-математических наук (2006)
E-mail:
Сайт: https://constructor.university/faculty-member/dmitry-vetrov; https://www.hse.ru/staff/dvetrov

Научная биография:

Начал работать в НИУ ВШЭ в 2014 году.

МГУ имени М.В. Ломоносова, Факультет вычислительной математики и кибернетики, Кафедра математических методов прогнозирования, доцент, 3 сентября 2007 - 21 мая 2015


https://www.mathnet.ru/rus/person53085
https://scholar.google.com/citations?user=7HU0UoUAAAAJ&hl=ru
https://mathscinet.ams.org/mathscinet/MRAuthorID/774421
https://elibrary.ru/author_items.asp?authorid=126068
ИСТИНА https://istina.msu.ru/workers/556412
https://orcid.org/0000-0001-6863-9028
https://www.webofscience.com/wos/author/record/H-4870-2015
https://www.scopus.com/authid/detail.url?authorId=8382687000
https://www.researchgate.net/profile/Dmitry-Vetrov

Публикации в базе данных Math-Net.Ru Цитирования
2024
1. Daniil Tiapkin, Nikita Morozov, Alexey Naumov, Dmitry Vetrov, “Generative flow networks as entropy-regularized RL”, Proc. Mach. Learn. Res. (PMLR), 238 (2024),  4213–4221  mathnet  isi
2017
2. М. В. Фигурнов, К. А. Струминский, Д. П. Ветров, “Устойчивый к шуму метод обучения вариационного автокодировщика”, Интеллектуальные системы. Теория и приложения, 21:2 (2017),  90–109  mathnet
2010
3. Д. П. Ветров, Д. А. Кропотов, А. А. Осокин, “Автоматическое определение количества компонент в EM-алгоритме восстановления смеси нормальных распределений”, Ж. вычисл. матем. и матем. физ., 50:4 (2010),  770–783  mathnet  mathscinet; D. P. Vetrov, D. A. Kropotov, A. A. Osokin, “Automatic determination of the numbers of components in the EM algorithm for the restoration of a mixture of normal distributions”, Comput. Math. Math. Phys., 50:4 (2010), 733–746  isi  scopus 5
2009
4. Д. П. Ветров, Д. А. Кропотов, Н. О. Пташко, “О достижении компромисса между точностью и устойчивостью классификаторов в задаче выбора наилучшей ядровой функции при байесовском обучении”, Вестник ТвГУ. Серия: Прикладная математика, 2009, № 15,  47–52  mathnet  elib
5. Д. П. Ветров, Д. А. Кропотов, Н. О. Пташко, “О достижении компромисса между точностью и устойчивостью классификаторов в задаче выбора наилучшей ядровой функции при байесовском обучении”, Вестник ТвГУ. Серия: Прикладная математика, 2009, № 14,  45–53  mathnet  elib
6. Д. П. Ветров, Д. А. Кропотов, Н. О. Пташко, “Эффективный метод отбора признаков в линейной регрессии с помощью обобщения информационного критерия Акаике”, Ж. вычисл. матем. и матем. физ., 49:11 (2009),  2066–2080  mathnet; D. P. Vetrov, D. A. Kropotov, N. O. Ptashko, “An efficient method for feature selection in linear regression based on an extended Akaike's information criterion”, Comput. Math. Math. Phys., 49:11 (2009), 1972–1985  isi  scopus 2
2007
7. О. М. Васильев, Д. П. Ветров, Д. А. Кропотов, “Представление и обнаружение знаний в экспертных системах для задач распознавания образов”, Ж. вычисл. матем. и матем. физ., 47:8 (2007),  1428–1454  mathnet  mathscinet; O. M. Vasil'ev, D. P. Vetrov, D. A. Kropotov, “Knowledge representation and acquisition in expert systems for pattern recognition”, Comput. Math. Math. Phys., 47:8 (2007), 1373–1397  scopus 2
2005
8. Д. П. Ветров, Д. А. Кропотов, “Выпуклая кластерная стабилизация алгоритмов распознавания как способ получения коллективных решений с высокой обобщающей способностью”, Ж. вычисл. матем. и матем. физ., 45:7 (2005),  1321–1328  mathnet  mathscinet  zmath; D. P. Vetrov, D. A. Kropotov, “Convex cluster stabilization of classification algorithms as a means for finding collective solutions with high generalization ability”, Comput. Math. Math. Phys., 45:7 (2005), 1276–1282
2003
9. Д. П. Ветров, “О синтезе корректных алгоритмов распознавания с минимальной величиной неустойчивости”, Ж. вычисл. матем. и матем. физ., 43:11 (2003),  1754–1760  mathnet  mathscinet  zmath; D. P. Vetrov, “The synthesis of correct pattern recognition algorithms with minimal instability”, Comput. Math. Math. Phys., 43:11 (2003), 1687–1693 1

Доклады и лекции в базе данных Math-Net.Ru
1. Удивительные свойства ландшафта функции потерь в сверхпараметризованных моделях глубокого обучения
Д. П. Ветров
Семинар «Математические основы искусственного интеллекта»
30 октября 2024 г. 17:00   
2. Surprising properties of loss landscape in over-parameterized models
Д. П. Ветров
Алгебро-геометрические методы в интегрируемых системах и квантовой физике
28 марта 2024 г. 18:30
3. Вид функции потерь в нейронных сетях и перспективы ансамблирования
Д. П. Ветров
Общероссийский семинар по оптимизации им. Б.Т. Поляка
10 июня 2020 г. 17:30   
4. Оптимизационная постановка задачи (нейро)байесовского вывода
Д. П. Ветров
Стохастический анализ в задачах
15 октября 2016 г. 15:00   
5. Математика больших данных: тензоры, нейросети, байесовский вывод
Дмитрий Ветров
Коллоквиум Факультета компьютерных наук НИУ ВШЭ
22 января 2015 г. 16:40   

Организации
 
  Обратная связь:
 Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024