|
|
Публикации в базе данных Math-Net.Ru |
Цитирования |
|
2024 |
1. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Энтропийно-рандомизированное оценивание параметров нелинейной динамической модели по наблюдениям зависимого процесса”, Челяб. физ.-матем. журн., 9:1 (2024), 144–159 |
|
2023 |
2. |
Ю. А. Дубнов, А. Ю. Попков, Б. С. Дарховский, “Экспериментальный анализ алгоритма оценивания гёльдеровой экспоненты на базе концепции $\epsilon$-сложности непрерывных функций”, Автомат. и телемех., 2023, № 4, 19–34 ; Yu. A. Dubnov, A. Yu. Popkov, B. S. Darkhovsky, “Estimating the Hölder exponents based on the $\epsilon$-complexity of continuous functions: an experimental analysis of the algorithm”, Autom. Remote Control, 84:4 (2023), 377–388 |
3. |
Ю. А. Дубнов, А. Ю. Попков, В. Ю. Полищук, Е. С. Сокол, А. В. Мельников, Ю. М. Полищук, Ю. С. Попков, “Алгоритмы рандомизированного машинного обучения для прогнозирования эволюции площади термокарстовых озер в зонах вечной мерзлоты”, Автомат. и телемех., 2023, № 1, 98–120 ; Yu. A. Dubnov, A. Yu. Popkov, V. Yu. Polishchuk, E. S. Sokol, A. V. Melnikov, Yu. M. Polishchuk, Yu. S. Popkov, “Randomized machine learning algorithms to forecast the evolution of thermokarst lakes area in permafrost zones”, Autom. Remote Control, 84:1 (2023), 64–81 |
|
2022 |
4. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Прогнозирование распространения COVID-19 в ЕС с использованием рандомизированного машинного обучения динамических моделей”, ИТиВС, 2022, № 3, 67–78 |
5. |
А. Ю. Попков, Ю. А. Дубнов, Ю. С. Попков, “Рандомизированное машинное обучение и прогнозирование нелинейных динамических моделей c применением к эпидемиологической модели SIR”, Информатика и автоматизация, 21:4 (2022), 659–677 |
|
2021 |
6. |
А. Ю. Попков, “Рандомизированное машинное обучение нелинейных моделей с применением к прогнозированию развития эпидемического процесса”, Автомат. и телемех., 2021, № 6, 149–168 ; A. Yu. Popkov, “Randomized machine learning of nonlinear models with application to forecasting the development of an epidemic process”, Autom. Remote Control, 82:6 (2021), 1049–1064 |
3
|
7. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Энтропийно-рандомизированное проектирование”, Автомат. и телемех., 2021, № 3, 149–168 ; Yu. S. Popkov, Yu. A. Dubnov, A. Yu. Popkov, “Entropy-randomized projection”, Autom. Remote Control, 82:3 (2021), 490–505 |
2
|
8. |
Ю. А. Дубнов, В. Ю. Полищук, А. Ю. Попков, Е. С. Сокол, А. В. Мельников, Ю. М. Полищук, Ю. С. Попков, “Энтропийно-рандомизированное прогнозирование эволюции площади термокарстовых озёр”, Челяб. физ.-матем. журн., 6:3 (2021), 384–396 |
9. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Прогнозирование развития эпидемии COVID-19 в странах Европейского союза с использованием энтропийно-рандомизированного подхода”, Информатика и автоматизация, 20:5 (2021), 1010–1033 |
2
|
|
2020 |
10. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Элементы рандомизированного прогнозирования и его применение для предсказания суточной электрической нагрузки энергетической системы”, Автомат. и телемех., 2020, № 7, 148–172 ; Yu. S. Popkov, A. Yu. Popkov, Yu. A. Dubnov, “Elements of randomized forecasting and its application to daily electrical load prediction in a regional power system”, Autom. Remote Control, 81:7 (2020), 1286–1306 |
7
|
11. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Методы детерминированных и рандомизированных энтропийных проекций для редукции размерности матрицы данных”, Информ. и её примен., 14:4 (2020), 47–54 |
12. |
Ю. С. Попков, А. Ю. Попков, Ю. А. Дубнов, “Кросс-энтропийная редукции матрицы данных с ограничением информационной емкости матриц-проекторов и их норм”, Матем. моделирование, 32:9 (2020), 35–52 ; Y. S. Popkov, A. Y. Popkov, Y. A. Dubnov, “Cross-entropy reduction of data matrix with restriction on information capacity of projectors and their norms”, Math. Models Comput. Simul., 13:3 (2021), 382–394 |
|
2018 |
13. |
Ю. С. Попков, Ю. А. Дубнов, А. Ю. Попков, “Энтропийная редукция размерности в задачах рандомизированного машинного обучения”, Автомат. и телемех., 2018, № 11, 106–122 ; Yu. S. Popkov, Yu. A. Dubnov, A. Yu. Popkov, “Entropy dimension reduction method for randomized machine learning problems”, Autom. Remote Control, 79:11 (2018), 2038–2051 |
5
|
14. |
Б. С. Дарховский, Ю. С. Попков, А. Ю. Попков, А. С. Алиев, “Метод генерации случайных векторов с заданной функцией плотности распределения вероятностей”, Автомат. и телемех., 2018, № 9, 31–45 ; B. S. Darkhovsky, Yu. S. Popkov, A. Yu. Popkov, A. S. Aliev, “A method of generating random vectors with a given probability density function”, Autom. Remote Control, 79:9 (2018), 1569–1581 |
4
|
|
2017 |
15. |
А. Ю. Попков, Б. С. Дарховский, Ю. С. Попков, “Итерационный МК-алгоритм решения задач глобальной оптимизации”, Автомат. и телемех., 2017, № 2, 82–98 ; A. Yu. Popkov, B. S. Darkhovsky, Yu. S. Popkov, “Iterative MC-algorithm to solve the global optimization problems”, Autom. Remote Control, 78:2 (2017), 261–275 |
2
|
|
2015 |
16. |
Б. С. Дарховский, Ю. С. Попков, А. Ю. Попков, “Метод пакетных итераций Монте-Карло: вероятностные характеристики”, Автомат. и телемех., 2015, № 5, 60–71 ; B. S. Darkhovskii, Yu. S. Popkov, A. Yu. Popkov, “Monte Carlo method of batch iterations: probabilistic characteristics”, Autom. Remote Control, 76:5 (2015), 776–785 |
7
|
17. |
А. Ю. Попков, Д. В. Зубарев, “Параллельная реализация алгоритма решения задачи энтропийно-робастного оценивания на вычислительных системах гетерогенной архитектуры”, ИТиВС, 2015, № 4, 51–60 |
18. |
Ю. С. Попков, А. Ю. Попков, Б. С. Дарховский, “Параллельный Монте Карло для построения энтропийно-робастных оценок”, Матем. моделирование, 27:6 (2015), 14–32 ; Y. S. Popkov, A. Y. Popkov, B. S. Darkhovskiy, “Parallel Monte Carlo for entropy-robust estimation”, Math. Models Comput. Simul., 8:1 (2016), 27–39 |
5
|
19. |
А. Ю. Попков, Ю. С. Попков, “Параметрическое и непараметрическое оценивание характеристик рандомизированных моделей при малых объемах данных (энтропийный подход)”, Матем. моделирование, 27:3 (2015), 63–85 |
|
2014 |
20. |
Ю. С. Попков, А. Ю. Попков, Ю. Н. Лысак, “Оценивание характеристик рандомизированных динамических моделей данных (энтропийно-робастный подход)”, Автомат. и телемех., 2014, № 5, 83–90 ; Yu. S. Popkov, A. Yu. Popkov, Yu. N. Lysak, “Estimating the characteristics of randomized dynamic data models (the entropy-robust approach)”, Autom. Remote Control, 75:5 (2014), 872–879 |
3
|
21. |
Б. С. Дарховский, А. Ю. Попков, Ю. С. Попков, “Метод пакетных итераций Монте-Карло для решения задач глобальной оптимизации”, ИТиВС, 2014, № 3, 39–52 |
|
2013 |
22. |
Ю. С. Попков, А. Ю. Попков, Ю. Н. Лысак, “Оценивание характеристик рандомизированных статических моделей данных (энтропийно-робастный подход)”, Автомат. и телемех., 2013, № 11, 114–131 ; Yu. S. Popkov, A. Yu. Popkov, Yu. N. Lysak, “Estimation of characteristics of randomized static models of data (entropy-robust approach)”, Autom. Remote Control, 74:11 (2013), 1863–1877 |
6
|
|
2006 |
23. |
А. Ю. Попков, “Энтропийная модель инвестиционного портфеля”, Автомат. и телемех., 2006, № 9, 179–190 ; A. Yu. Popkov, “Entropy model of the investment portfolio”, Autom. Remote Control, 67:9 (2006), 1518–1528 |
7
|
|
2005 |
24. |
А. Ю. Попков, “Градиентные методы для нестационарных задач безусловной оптимизации”, Автомат. и телемех., 2005, № 6, 38–46 ; A. Yu. Popkov, “Gradient methods for nonstationary unconstrained optimization problems”, Autom. Remote Control, 66:6 (2005), 883–891 |
69
|
|
2002 |
25. |
Н. А. Бобылев, А. Ю. Попков, “О вынужденных колебаниях в системах с операторами вида $Arg\min$”, Автомат. и телемех., 2002, № 11, 13–23 ; N. A. Bobylev, A. Yu. Popkov, “Forced Oscillations in Systems with $Arg\min$ Type Operators”, Autom. Remote Control, 63:11 (2002), 1707–1716 |
6
|
|
1998 |
26. |
А. Ю. Попков, Е. Ю. Попков, Ю. С. Попков, “Мультипликативные алгоритмы для восстановления изображений по проекциям”, Автомат. и телемех., 1998, № 1, 60–77 ; A. Yu. Popkov, E. Yu. Popkov, Yu. S. Popkov, “Multiplicative algorithms for reconstructing images from projections”, Autom. Remote Control, 59:1 (1998), 49–65 |
1
|
|