Персона:
Максутов, Артем Артурович

Profile Picture
Email Address
Birth Date
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт интеллектуальных кибернетических систем
Цель ИИКС и стратегия развития - это подготовка кадров, способных противостоять современным угрозам и вызовам, обладающих знаниями и компетенциями в области кибернетики, информационной и финансовой безопасности для решения задач разработки базового программного обеспечения, повышения защищенности критически важных информационных систем и противодействия отмыванию денег, полученных преступным путем, и финансированию терроризма.
Статус
Фамилия
Максутов
Имя
Артем Артурович
Имя

Фильтры

20212
2
2
Сброс фильтров

Настройки

Автор: Dmitriev, S. O. ×

Результаты поиска

Теперь показываю 1 - 2 из 2
  • Уменьшенное изображение
    Публикация
    Только метаданные
    The Transformer Neural Network Architecture for Part-of-Speech Tagging
    (2021) Maksutov, A. A.; Zamyatovskiy, V. I.; Morozov, V. O.; Dmitriev, S. O.; Максутов, Артем Артурович; Дмитриев, Святослав Олегович
    © 2021 IEEE.Part-of-speech tagging (POS tagging) is one of the most important tasks in natural language processing. This process implies determining part of speech and assigning an appropriate tag for each word in given sentence. The resulting tag sequence can be used as is and as a part of more complicated tasks, such as dependency and constituency parsing. This task belongs to sequence-to-sequence tasks and multilayer bidirectional LSTM networks are commonly used for POS tagging. Such networks are rather slow in terms of training and processing large amounts of information due to sequential computation of each timestamp from the input sequence. This paper is focused on developing an accurate model for POS tagging that uses the original Transformer neural network architecture.
  • Уменьшенное изображение
    Публикация
    Только метаданные
    Database Storage Format for High Performance Analytics of Immutable Data
    (2021) Rovnyagin, M. M.; Dmitriev, S. O.; Hrapov, A. S.; Maksutov, A. A.; Turovskiy, I. A.; Ровнягин, Михаил Михайлович; Дмитриев, Святослав Олегович; Храпов, Александр Сергеевич; Максутов, Артем Артурович
    © 2021 IEEE.Most of modern database management systems offer a set of data manipulation operations, which strictly limits the available methods of data storage optimization. This article describes a database storage format that provides a low latency access to stored data with highly optimized sequential data extraction process by prohibiting any data modification after initially loading the data. The current study is aimed at developing a database management system that is suitable for high performance analytics of immutable data and performs better than database management systems with wider applicability. This paper includes developed data storage formats, data load and extraction algorithms and performance measurements.