На главную страницу
Шрифт:
A A A
Цвет:
A A A
Изображения:
Special mode Special mode Special mode

Адаптированная версия сайта

  На главную страницу
На главную страницу
English page
English page
МЦМУ МИАН | Минобрнауки | РАН | ОМН РАН | Math-Net.Ru | ММО | Scopus | MathSciNet | zbMATH | Проверка почты | Справка 

   
 Об институте
 Научная деятельность
 Публикации
 Правила оформления научных работ
 Администрация
 Ученый совет
 Диссертационные советы
 Отделы
Сотрудники 
 Аспирантура
 Научно-образовательный центр
 Базовая кафедра МФТИ
 Базовая кафедра ФКН ВШЭ
 Базовая кафедра матфака НИУ ВШЭ
 Совет молодых ученых
 Семинары
 Конференции
 Мероприятия
 Издания МИАН
 In memoriam
 Фотогалерея МИАН
 Музей МИАН
 Документы
 Реквизиты МИАН
 Устав МИАН
 Библиотека
 Противодействие коррупции

    Адрес института
Адрес: Россия, 119333, Москва, ул. Губкина, д. 8
Тел.: +7(495) 984 81 41
Сайт: www.mi-ras.ru
E-mail: steklov@mi-ras.ru

Посмотреть карту
Схема проезда

   
Оселедец Иван Валерьевич
(публикации за последние годы)
| по годам | научные публикации | по типам |



   2025
1. K. Kuvshinova, O. Tsymboi, I. Oseledets, “Sparse and transferable universal singular vectors attack”, Ж. вычисл. матем. и матем. физ., 65:3 (2025), 275–293  mathnet  crossref  elib; Comput. Math. Math. Phys., 65:3 (2025), 503–521  crossref 1
2. И. В. Оселедец, Е. А. Муравлева, “К-оптимальные предобуславливатели на основе приближения обратных матриц”, Ж. вычисл. матем. и матем. физ., 65:7 (2025), 1143–1155  mathnet  crossref  elib; I. V. Oseledets, E. A. Muravleva, “K-optimal preconditioners based on approximations of inverse matrices”, Comput. Math. Math. Phys., 65:7 (2025), 1535–1547  crossref
3. Б. С. Кашин, И. В. Оселедец, А. А. Рудиков, “Ускоренный алгоритм разложения вектора на два вектора с малой равномерной нормой”, Матем. заметки, 118:3 (2025), 434–442  mathnet  crossref  mathscinet  isi; B. S. Kashin, I. V. Oseledets, A. Rudikov, “Accelerated algorithm for splitting a vector into two vectors with small uniform norm”, Math. Notes, 118:3 (2025), 564–570  crossref  mathscinet  isi  scopus

   2024
4. Daniil Merkulov, Daria Cherniuk, Alexander Rudikov, Ivan Oseledets, Ekaterina Muravleva, Aleksandr Mikhalev, Boris Kashin, “Quantization of large language models with an overdetermined basis”, Proceedings of the 40th Conference on Uncertainty in Artificial Intelligence (UAI 2024), Proc. Mach. Learn. Res. (PMLR), 244, 2024, 2527–2536, arXiv: 2404.09737  mathnet
5. D. M. Merkulov, I. V. Oseledets, “Another approach to build Lyapunov functions for the first order methods in the quadratic case”, Ж. вычисл. матем. и матем. физ., 64:4 (2024), 788–805  mathnet; Comput. Math. Math. Phys., 64:4 (2024), 788–805  crossref
6. A. Zhavoronkin, M. Pautov, N. Kalmykov, E. Sevriugov, D. Kovalev, O. Y. Rogov, I. Oseledets, “UnGAN: machine unlearning strategies through membership inference”, Исследования по прикладной математике и информатике. IV, Зап. научн. сем. ПОМИ, 540, ПОМИ, СПб., 2024, 46–60  mathnet;

   2023
7. Ivan V. Oseledets, Maxim V. Rakhuba, André Uschmajew, “Local convergence of alternating low-rank optimizationmethods with overrelaxation”, Numer. Linear Algebra Appl., 30:3 (2023), 2459, 15 pp.  mathnet  crossref 2
8. A. Chertkov, O. Tsymboi, M. Pautov, I. Oseledets, “Translate your gibberish: black-box adversarial attack on machine translation systems”, Исследования по прикладной математике и информатике. II–2, Зап. научн. сем. ПОМИ, 530, ПОМИ, Спб., 2023, 96–112  mathnet; J. Math. Sci. (N. Y.), 285:2 (2024), 221–233  crossref 4
9. В. С. Фанасков, И. В. Оселедец, “Спектральные нейронные операторы”, Докл. РАН. Матем., информ., проц. упр., 514:2 (2023), 72–79  mathnet  crossref  elib; V. S. Fanaskov, I. V. Oseledets, “Spectral neural operators”, Dokl. Math., 108:suppl. 2 (2023), S226–S232  crossref 43

   2022
10. С. А. Буденный, В. Д. Лазарев, Н. Н. Захаренко, А. Н. Коровин, О. А. Плосская, Д. В. Димитров, В. С. Ахрипкин, И. В. Павлов, И. В. Оселедец, И. С. Барсола, И. В. Егоров, А. А. Костерина, Л. Е. Жуков, “eco2AI : контроль углеродного следа моделей машинного обучения в качестве первого шага к устойчивому искусственному интеллекту”, Докл. РАН. Матем., информ., проц. упр., 508 (2022), 134–145  mathnet  crossref  elib; S. A. Budennyy, V. D. Lazarev, N. N. Zakharenko, A. N. Korovin, O. A. Plosskaya, D. V. Dimitrov, V. S. Akhripkin, I. V. Pavlov, I. V. Oseledets, I. S. Barsola, I. V. Egorov, A. A. Kosterina, L. E. Zhukov, “eco2AI: carbon emissions tracking of machine learning models as the first step towards sustainable AI”, Dokl. Math., 106:suppl. 1 (2022), S118–S128  crossref 197
11. Е. В. Бурнаев, А. В. Бернштейн, В. В. Вановский, А. А. Зайцев, А. М. Булкин, В. Ю. Игнатьев, Д. Г. Шадрин, С. В. Илларионова, И. В. Оселедец, А. Ю. Михалев, А. А. Осипцов, А. А. Артемов, М. Г. Шараев, И. Е. Трофимов, “Фундаментальные исследования и разработки в области прикладного искусственного интеллекта”, Докл. РАН. Матем., информ., проц. упр., 508 (2022), 19–27  mathnet  crossref  elib; E. V. Burnaev, A. V. Bernshtein, V. V. Vanovskiy, A. A. Zaytsev, A. M. Bulkin, V. Yu. Ignatiev, D. G. Shadrin, S. V. Illarionova, I. V. Oseledets, A. Yu. Mikhalev, A. A. Osiptsov, A. A. Artemov, M. G. Sharaev, I. E. Trofimov, “Fundamental research and developments in the field of applied artificial intelligence”, Dokl. Math., 106:suppl. 1 (2022), S14–S22  crossref 5
12. Д. Ю. Турдаков, А. И. Аветисян, К. В. Архипенко, А. В. Анциферова, Д. С. Ватолин, С. С. Волков, А. В. Гасников, Д. А. Девяткин, М. Д. Дробышевский, А. П. Коваленко, М. И. Кривоносов, Н. В. Лукашевич, В. А. Малых, С. И. Николенко, И. В. Оселедец, А. И. Перминов, И. В. Соченков, М. М. Тихомиров, А. Н. Федотов, М. Ю. Хачай, “Доверенный искусственный интеллект: вызовы и перспективные решения”, Докл. РАН. Матем., информ., проц. упр., 508 (2022), 13–18  mathnet  crossref  elib; D. Yu. Turdakov, A. I. Avetisyan, K. V. Arkhipenko, A. V. Antsiferova, D. S. Vatolin, S. S. Volkov, A. V. Gasnikov, D. A. Devyatkin, M. D. Drobyshevskiy, A. P. Kovalenko, M. I. Krivonosov, N. V. Lukashevich, V. A. Malykh, S. I. Nikolenko, I. V. Oseledets, A. I. Perminov, I. V. Sochenkov, M. M. Tihomirov, A. N. Fedotov, M. Yu. Khachay, “Trusted artificial intelligence: challenges and promising solutions”, Dokl. Math., 106:suppl. 1 (2022), S9–S13  crossref 5

   2021
13. С. А. Матвеев, И. В. Оселедец, Е. С. Пономарев, А. В. Чертков, “Обзор методов визуализации искусственных нейронных сетей”, Ж. вычисл. матем. и матем. физ., 61:5 (2021), 896–910  mathnet  crossref  isi  elib; S. A. Matveev, I. V. Oseledets, E. S. Ponomarev, A. V. Chertkov, “Overview of visualization methods for artificial neural networks”, Comput. Math. Math. Phys., 61:5 (2021), 887–899  crossref  isi  scopus 13
14. А. И. Бойко, И. В. Оселедец, Г. Феррер, “TT-QI: ускоренная итерация функции ценности в формате тензорного поезда для задач стохастического оптимального управления”, Ж. вычисл. матем. и матем. физ., 61:5 (2021), 865–877  mathnet  crossref  isi  elib; A. I. Boyko, I. V. Oseledets, G. Ferrer, “TT-QI: Faster value iteration in tensor train format for stochastic optimal control”, Comput. Math. Math. Phys., 61:5 (2021), 836–846  crossref  isi  scopus 2
15. И. В. Оселедец, П. В. Харюк, “Моделирование структуры данных с помощью блочного тензорного разложения: разложение объединенных тензоров и вариационное блочное тензорное разложение как параметризованная модель смесей”, Ж. вычисл. матем. и матем. физ., 61:5 (2021), 845–864  mathnet  crossref  isi  elib; I. V. Oseledets, P. V. Kharyuk, “Structuring data with block term decomposition: decomposition of joint tensors and variational block term decomposition as a parametrized mixture distribution model”, Comput. Math. Math. Phys., 61:5 (2021), 816–835  crossref  isi  scopus 1
16. Ю. В. Гусак, Т. К. Даулбаев, И. В. Оселедец, Е. С. Пономарев, А. С. Чихоцкий, “Малоранговое представление нейронных сетей”, Ж. вычисл. матем. и матем. физ., 61:5 (2021), 800–812  mathnet  crossref  isi  elib; J. V. Gusak, T. K. Daulbaev, I. V. Oseledets, E. S. Ponomarev, A. S. Cichocki, “Reduced-order modeling of deep neural networks”, Comput. Math. Math. Phys., 61:5 (2021), 774–785  crossref  isi  scopus 6
17. Н. Л. Замарашкин, И. В. Оселедец, Е. Е. Тыртышников, “Новые приложения матричных методов”, Ж. вычисл. матем. и матем. физ., 61:5 (2021), 691–695  mathnet  crossref  isi  elib; N. L. Zamarashkin, I. V. Oseledets, E. E. Tyrtyshnikov, “New applications of matrix methods”, Comput. Math. Math. Phys., 61:5 (2021), 669–673  crossref  isi  scopus 1

   2019
18. А. В. Чащин, М. А. Бочев, И. В. Оселедец, Г. В. Овчинников, “Предсказание эволюции динамических систем остаточными нейронными сетями”, Препринты ИПМ им. М. В. Келдыша, 2019, 131, 26 с.  mathnet  crossref 1

   2018
19. И. В. Оселедец, М. А. Бочев, А. М. Катруца, Г. В. Овчинников, “Как оптимизировать предобусловливатели в методе сопряжëнных градиентов: стохастический подход”, Препринты ИПМ им. М. В. Келдыша, 2018, 164, 26 с.  mathnet  crossref  elib

   2014
20. П. В. Харюк, И. В. Оселедец, В. Л. Ушаков, “Сжатие фМРТ-данных с помощью WTT-преобразования”, Выч. мет. программирование, 15:4 (2014), 669–676  mathnet
21. П. В. Харюк, И. В. Оселедец, “WTT-разложение для семейств массивов и его применение для сжатия изображений”, Выч. мет. программирование, 15:2 (2014), 229–238  mathnet
22. А. Ю. Михалев, И. В. Офёркин, И. В. Оселедец, А. В. Сулимов, Е. Е. Тыртышников, В. Б. Сулимов, “Применение мультизарядового приближения больших плотных матриц в рамках модели поляризуемого континуума для растворителя”, Выч. мет. программирование, 15:1 (2014), 9–21  mathnet
23. Т. Г. Салуев, И. В. Оселедец, Р. Ю. Фадеев, “Web-платформа для создания интерактивных обучающих курсов по вычислительным методам”, Искусственный интеллект и принятие решений, 2014, № 1, 46–51  mathnet  elib


Полный список публикаций
На главную страницу

© Математический институт им. В.А. Стеклова Российской академии наук, 2004–2026
Разработка и дизайн: Отдел КС и ИТ