Federated Reinforcement Learning for Intelligent Traffic Signal Control: A Privacy-Preserving Approach with Edge-Assisted Aggregation

Demidovich Y., Petr Ostroukhov, Malinovsky G. и др., , in: The Thirteenth International Conference on Learning Representations: ICLR 2025.: ICLR, 2025.

Добавлено: 15 июля 2025 г.

Efficient Conformal Prediction under Data Heterogeneity

Plassier V., Kotelevskii N., Rubashevskii A. и др., , in: Proceedings of The 27th International Conference on Artificial Intelligence and Statistics (AISTATS 2024), 2-4 May 2024, Palau de Congressos, Valencia, Spain. PMLR: Volume 238Vol. 238.: Valencia: PMLR, 2024. P. 4879–4887.

Добавлено: 30 мая 2024 г.

Queuing dynamics of asynchronous Federated Learning

Leconte L., Jonckheere M., Самсонов С. В. и др., , in: Proceedings of The 27th International Conference on Artificial Intelligence and Statistics (AISTATS 2024), 2-4 May 2024, Palau de Congressos, Valencia, Spain. PMLR: Volume 238Vol. 238.: Valencia: PMLR, 2024. P. 1711–1719.

Добавлено: 26 мая 2024 г.

Real-time detection of hogweed: UAV platform empowered by deep learning

Menshchikov A., Shadrin D., Прутьянов В. В. и др., IEEE Transactions on Computers 2021 Vol. 70 No. 8 P. 1175–1188

Добавлено: 11 мая 2024 г.

Новая программная платформа для моделирования транспортных потоков с участием беспилотных автомобилей

Бекларян А. Л., Вестник ЦЭМИ 2023 Т. 6 № 1 Статья 5

В статье представлена новая программная платформа для моделирования транспортных потоков с участием беспилотных автомобилей, использующая ряд передовых технологических решений, в частности, инструменты суперкомпьютерного агентного моделирования FLAME GPU, интеллектуальные программные модули на основе нечёткой и иерархической кластеризации, генетические оптимизационные алгоритмы, подсистему визуализации состояния агентов-транспортных средств (ТС) на основе OpenGL и др. В результате, обеспечивается возможность моделирования ...

Добавлено: 4 июня 2023 г.

Оптимизация характеристик интеллектуальной транспортной системы с использованием генетического алгоритма вещественного кодирования на основе адаптивной мутации

Акопов А. С., Бекларян Л. А., Бекларян А. Л., Информационные технологии 2023 Т. 29 № 3 С. 115–125

Представлен новый генетический алгоритм (FCGA-AM) с вещественным кодированием, использующий предложенный оператор адаптивной мутации (AM) и предназначенный для оптимизации характеристик разработанной интеллектуальной транспортной системы. С использованием различных тестовых функций и известных метрик качества фронтов Парето выполнена оценка эффективности предложенного генетического алгоритма в сравнении с другими методами многокритериальной эвристической оптимизации. Далее FCGA-AM был применен для поиска наилучших ...

Добавлено: 4 июня 2023 г.

Federated Learning Strategies Over Wireless Channels

Али А., , in: 22nd International Conference, NEW2AN 2022, Tashkent, Uzbekistan, December 15–16, 2022, Proceedings. Internet of Things, Smart Spaces, and Next Generation Networks and Systems. LNCS, volume 13772Issue 13772.: Springer, 2023. P. 525–533.

Добавлено: 18 мая 2023 г.

Adaptation Diffusion Strategy Over Wireless Fading Channels

Али А., , in: 2022 International Conference on Smart Applications, Communications and Networking (SmartNets).: IEEE, 2022. P. 1–4.

Добавлено: 16 мая 2023 г.

АДАПТАЦИЯ СТРАТЕГИЯ ДИФФУЗИИ ПО БЕСПРОВОДНЫМ КАНАЛАМ С ЗАМИРАНИЕМ

Али А., Кучерявый Е. А., Эбрахим А., В кн.: Инновационные, информационные и коммуникационные технологии. Сборник трудов XIX Международной научно-практической конференции.: М.: Ассоциация выпускников и сотрудников ВВИА им. проф. Жуковского, 2022. С. 38–42.

Добавлено: 22 февраля 2023 г.

Аспекты кэширования в информационно-ориентированных сетях

Якименко С. И., В кн.: Современные сетевые технологии: труды 4-й Международной конференции "Современные сетевые технологии" (MoNeTec-2022), 27-29 октября 2022 г., г.Москва (короткие и стендовые доклады).: М.: Издательский отдел факультета ВМК МГУ им. М.В. Ломоносова, 2022. С. 70–76.

Статья посвящена вопросам кэширования в информационно-ориентированных сетях (information-centric networks, ICN), направленных на адресацию по имени контента и отделение информации от её узла-производителя. Внутрисетевое кэширование является одной из главных особенностей ICN, превращая их, по сути, в сеть взаимосвязанных кэшей, способных накапливать пакеты в буфере промежуточных маршрутизаторов, а также приближать их к потребителю с помощью периферийного кэша. ...

Добавлено: 20 декабря 2022 г.

Decentralized personalized federated learning: Lower bounds and optimal algorithm for all personalization modes

Sadiev A., Borodich E., Безносиков А. Н. и др., EURO Journal on Computational Optimization 2022 Vol. 10 Article 100041

Добавлено: 28 октября 2022 г.

A future triple entry accounting framework using blockchain technology

Moinak Maiti, Ivan Kotliarov, Vitalii Lipatnikov, Blockchain: Research and Applications 2021 Vol. 2 No. 4 Article 100037

Добавлено: 22 сентября 2022 г.

Hybrid Deep Learning Enabled Air Pollution Monitoring in ITS Environment

Dutta A. K., Sampson J., Ahmad S. и др., Computers, Materials and Continua 2022 Vol. 72 No. 1 P. 1157–1172

Добавлено: 11 апреля 2022 г.

Automatic Vehicle License Plate Recognition Using Optimal K-Means with Convolutional Neural Network for Intelligent Transportation Systems

Pustokhina I., Pustokhin D. A., Rodrigues J. J. и др., IEEE Access 2020 Vol. 8 P. 92907–92917

Добавлено: 2 октября 2021 г.

Automatic vehicle license plate recognition using optimal deep learning model

Vaiyapuri T., Nandan Mohanty S., Sivaram M. и др., Computers, Materials and Continua 2021 Vol. 67 No. 2 P. 1881–1897

Добавлено: 2 октября 2021 г.

On Machine Learning Applicability to Transaction Time Prediction for Time-Critical C-ITS Applications

Stepanov N., Veprev A., Sharapova A. и др., , in: 2021 44th International Conference on Telecommunications and Signal Processing (TSP).: IEEE Computer Society, 2021. P. 408–413.

Добавлено: 2 октября 2021 г.

Metadata-Driven Industrial-Grade ETL System

Suleykin A., Panfilov P., , in: 2020 IEEE International Conference on Big Data (Big Data 2020).: IEEE, 2020. P. 2433–2442.

Добавлено: 16 апреля 2021 г.

Federated Learning in Named Entity Recognition

Efim Luboshnikov, Макаров И. А., , in: Recent Trends in Analysis of Images, Social Networks and Texts. 9th International Conference, AIST 2020, Skolkovo, Moscow, Russia, October 15–16, 2020 Revised Supplementary ProceedingsVol. 12602.: Springer, 2021. Ch. 8 P. 90–101.

This article is devoted to the implementation of the federated approach to named entity recognition. The novel federated approach is designed to solve data privacy issues. The classic BiLSTM-CNNs-CRF and its modifications trained on a single machine are taken as baseline. Federated training is conducted for them. Influence of use of pretrained embedding, use of ...

Добавлено: 24 марта 2021 г.

Многоагентная система управления наземными беспилотными транспортными средствами

Акопов А. С., Бекларян Л. А., Хачатрян Н. К. и др., Информационные технологии 2020 Т. 26 № 6 С. 342–353

Представлена система управления наземными беспилотными транспортными средствами (БТС), разработанная с использованием методов агентного имитационного моделирования (поддерживаемых в AnyLogic). Важной особенностью подобной системы является возможность оценки влияния различных параметров (таких как, средние начальные скорости, интенсивности входных потоков, частота обмена данными между агентами-БТС и др.) на поведение и состояние беспилотных и обычных транспортных средств в плотном потоке. ...

Добавлено: 18 июня 2020 г.

Action-Oriented Programming Model: Collective Executions and Interactions in the Fog

Mäkitalo N., Aaltonen T., Raatikainen M. и др., Journal of Systems and Software 2019 No. 157 P. 1–25

Добавлено: 31 октября 2019 г.

Towards a Cloud Computing Paradigm for Big Data Analysis in Smart Cities

Massobrio R., Nesmachnow S., Tchernykh A. и др., Programming and Computer Software 2018 Vol. 44 No. 3 P. 181–189

In this paper, we present a Big Data analysis paradigm related to smart cities using cloud computing infrastructures. The proposed architecture follows the MapReduce parallel model implemented using the Hadoop framework. We analyse two case studies: a quality-of-service assessment of public transportation system using historical bus location data, and a passenger-mobility estimation using ticket sales ...

Добавлено: 10 августа 2018 г.