Персона:
Дунаев, Максим Евгеньевич

Организационные подразделения

Организационная единица

Цель ИЯФиТ и стратегия развития - создание и развитие научно-образовательного центра мирового уровня в области ядерной физики и технологий, радиационного материаловедения, физики элементарных частиц, астрофизики и космофизики.

Фамилия

Дунаев

Имя

Максим Евгеньевич

Полная страница элемента

Результаты поиска

Теперь показываю 1 - 10 из 18

Открытый доступ
ПОСТРОЕНИЕ МОДЕЛИ ДЛЯ СЕГМЕНТАЦИИ УЗЛОВ ЩИТОВИДНОЙ ЖЕЛЕЗЫ НА СНИМКАХ УЛЬТРАЗВУКОВЫХ ИССЛЕДОВАНИЙ
(НИЯУ МИФИ, 2022) Ложкин, И. А; Дунаев, М. Е.; Зайцев, К. С.; Дунаев, Максим Евгеньевич; Зайцев, Константин Сергеевич; Ложкин, Илья Александрович
Программа предназначена для построения нейросетевой модели для сегментации узлов щитовидной железы на снимках ультразвуковых исследований (УЗИ). Программа применяется для медицинских исследований снимков УЗИ щитовидной железы: локализации узловых образований. Основные функции программы: сегментация узлов на входных снимках УЗИ и обучение модели на новых наборах изображений. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Windows 10, Linux.
Только метаданные
DEVELOPMENT OF NEURAL NETWORK MODELS FOR OBTAINING INFORMATION ABOUT NODULAR NEOPLASMS OF THE THYROID GLAND BASED ON ULTRASOUND IMAGES
(2023) Lozhkin, I.; Tcyguleva, K.; Zaytsev, K.; Dunaev, M.; Garmash, A.; Ложкин, Илья Александрович; Цыгулева, Ксения Владимировна; Зайцев, Константин Сергеевич; Дунаев, Максим Евгеньевич; Гармаш, Александр Александрович
Открытый доступ
ПРОГРАММА ВЫЯВЛЕНИЯ ВНЕЗАПНЫХ НАЧАЛ ГЕОМАГНИТНЫХ БУРЬ ПО ДАННЫМ ОБСЕРВАТОРИЙ ИНТЕРМАГНЕТ
(НИЯУ МИФИ, 2024) Волошин, Т. А.; Дунаев, М. Е.; Зайцев, К. С.; Зайцев, Константин Сергеевич; Дунаев, Максим Евгеньевич; Волошин, Тарас Андреевич
Программа выявления внезапных начал геомагнитных бурь по данным обсерваторий Интермагнет. Программа позволяет обрабатывать данные о геомагнитном поле Земли и строить модель машинного обучения для выявления внезапных начал магнитных бурь с применением библиотеки Pytorch. Реализован алгоритм чтения архива данных измерений индукции магнитного поля, предоставляемых сетью астрономических обсерваторий Интермагнет, и данных о внезапных началах бурь, предоставляемых международной службой геомагнитных индексов ISGI. Алгоритм заключается в чтении набора текстовых файлов, объединении данных двух источников и формировании одного итогового файла. Реализована модель - рекуррентная нейронная сеть, а также алгоритм ее обучения и тестирования на отложенной выборке с расчетом метрик и выводом графиков. Реализован алгоритм по объединению результатов прогноза нескольких моделей. Тип ЭВМ: IBM PC-совмест. ПК. ОС: Windows 11.
Открытый доступ
СЕРВЕР ОБРАБОТКИ ПОЛЬЗОВАТЕЛЬСКИХ ЗАПРОСОВ ИНТЕЛЛЕКТУАЛЬНОГО АССИСТЕНТА ВРАЧА УЛЬТРАЗВУКОВОЙ ДИАГНОСТИКИ УЗЛОВЫХ ОБРАЗОВАНИЙ ЩИТОВИДНОЙ ЖЕЛЕЗЫ
(НИЯУ МИФИ, 2023) Дунаев, М. Е.; Зайцев, К. С.; Королев, Д. В.; Дунаев, Максим Евгеньевич; Королев, Денис Вячеславович; Зайцев, Константин Сергеевич
Программа предназначена для обработки пользовательских HTTP запросов и генерации ответа. В процессе обработки запроса программа взаимодействует с базой данных посредством SQL запросов. Программа выступает в качестве отдельного модуля в микросервисном приложении "Интеллектуальный ассистент врача ультразвуковой диагностики узловых образований щитовидной железы". Тип ЭВМ: IBM PC-совмест. ПК; ОС: Linux Ubuntu 20.04.
Открытый доступ
НАСТОЛЬНЫЙ ИНТЕРФЕЙС СЕГМЕНТАЦИИ, ОБНАРУЖЕНИЯ И КЛАССИФИКАЦИИ УЗЛОВЫХ ОБРАЗОВАНИЙ ЩИТОВИДНОЙ ЖЕЛЕЗЫ НА СНИМКАХ УЗИ
(НИЯУ МИФИ, 2023) Цыгулева, К. В.; Дунаев, М. Е.; Зайцев, К. С.; Зайцев, Константин Сергеевич; Цыгулева, Ксения Владимировна; Дунаев, Максим Евгеньевич
Программа предназначена для анализа видеопетель щитовидной железы. Программа применяется в качестве ассистирующего ПО с целью обнаружения, сегментации и классификации узловых образований. Основные функции программы - загрузка и обработка видеопетель УЗИ щитовидной железы. Тип ЭВМ: IBM PC-совмест. ПК на базе процессора Intel Pentium III и выше; ОС: Windows 10, Linux.
Открытый доступ
МОДЕЛИ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ
(НИЯУ МИФИ, 2023) Волошин, Т. А.; Дунаев, М. Е.; Зайцев, К. С.; Зайцев, Константин Сергеевич; Дунаев, Максим Евгеньевич; Волошин, Тарас Андреевич
Программа позволяет применять регрессионные модели машинного обучения для задачи прогнозирования временных рядов с использованием фреймворка Apache Spark. Реализованы метод построения матрицы признаков из массива значений ряда и методы для последующего разделения тренировочной и тестовой выборок. Написаны модели, реализующие способы прогнозирования временных рядов по рекуррентной стратегии. Модели работают как классы-обертки вокруг регрессионных моделей библиотеки Spark ML, при этом позволяют строить предсказания ряда на произвольный интервал времени. Есть возможность использовать как одну базовую модель, так и несколько, причем усредняющие веса могут адаптивно меняться. Также написан класс-адаптер, позволяющий применять аналогичным образом модели, реализованные в библиотеке dl4j. Тип ЭВМ: IBM PC-совмест. ПК. ОС: Windows.
Только метаданные
A Method for Forecasting Geomagnetic Storms Based on Deep Learning Neural Networks Using Time Series of Matrix Observations of the Uragan Muon Hodoscope
(2024) Getmanov,V.G.; Gvishiani,A.D.; Soloviev,A.A.; Zaytsev,K.S.; Dunaev,M.E.; Yekhlakov,E.V.; Зайцев, Константин Сергеевич; Дунаев, Максим Евгеньевич; Ехлаков, Эдуард Владимирович
Открытый доступ
ПОСТРОЕНИЕ МОДЕЛИ ДЛЯ ДЕТЕКТИРОВАНИЯ АНОМАЛИЙ ПРИ ОБРАБОТКЕ ДАННЫХ В РЕАЛЬНОМ ВРЕМЕНИ
(НИЯУ МИФИ, 2022) Савицкий, Д. Е.; Дунаев, М. Е.; Зайцев, К. С.; Зайцев, Константин Сергеевич; Дунаев, Максим Евгеньевич
Программа предназначена для выявления аномалий в режиме реального времени. Программа применяется в анализе данных работы информационных систем с целью выявления аномалий в логах системы. Основные функции программы - выявление аномальных точек в потоке подаваемых данных. Тип ЭВМ: IBM PC-совмест. ПК на базе Pentium III и выше, в том числе с многопроцессорной конфигурацией; ОС: Windows 10, Linux.
Открытый доступ
"ПРОГРАММА ДЛЯ ЭВМ "ПРОГРАММНАЯ СИСТЕМА РАСПОЗНАВАНИЯ ГЕОМАГНИТНЫХ БУРЬ, ПО ИНТЕНСИВНОСТИ МЮОННЫХ ПОТОКОВ"
(НИЯУ МИФИ, 2023) Ехлаков, Э. В.; Зайцев, К. С.; Дунаев, М. Е.; Дунаев, Максим Евгеньевич; Ехлаков, Эдуард Владимирович; Зайцев, Константин Сергеевич
Программа предназначена для выявления геомагнитных бурь, по интенсивности мюонных потоков. В программе используются нейронная сеть для обработки видео, в которой используются Зй-свертки. Основные функции программы: загрузка данных, предобработка данных, построение временного ряда dst-индекса по временному ряду матриц интенсивности мюонных потоков. Тип ЭВМ: IBM PC совместимый персональный компьютер; ОС: Windows 10 / Linux.
Только метаданные
Logs analysis to search for anomalies in the functioning of large technology platforms
(2019) Dunaev, M.; Zaytsev, K.; Дунаев, Максим Евгеньевич; Зайцев, Константин Сергеевич
© 2005–ongoing JATIT and LLS. All rights reserved.Today, with the widespread use of machine learning methods in various fields of human activity, the detection of rare events still remains one the most challenging tasks. This is due to the fact that there is very little information to learn computers to detect deviations from normal operation, although it has to deal with the processing of very large amounts of data that characterize the ongoing processes. This occurs, for example, in high energy physics, when searching for and studying new particles. The similar situation occurs when detecting pre-anomalous situations in the complex high-tech equipment operation. Logs are the only source of information to detect the processes running on such equipment, therefore many IT companies use them to analyze the functioning of their software and hardware technologies. This allows viewing the logs starting from very beginning to the point of failure completion, consistently figuring out the possible causes of the incident. In most companies, this process is not automated, because there is no single established approach to analyze logs of different configurations of stored metric values and different filling intensities. In addition, historical logs are not used to predict the sequence of events that lead to anomalies in the operation of any software technologies. The present article deals with the problem of detecting states and predicting the nearest behavior of large technological platforms by directional analysis of their logs. Usually, logs of large technology platforms represent data sets of very high dimensionality that does not allow modern algorithms in the allowable time limits to draw the necessary conclusions about the behavior of platforms and form sequence of control actions, if necessary. To solve this problem, the article compares the effectiveness of existing algorithms, traditionally used unsupervised learning, because the available data for learning are too small, as well as algorithms working with big data. Pilot implementations of all algorithms involved in solving the problem, performed in Python programming language, have been studied in a single environment. Based on their comparison, the most efficient algorithm was chosen, when recognizing different types of events based on real data. The solution of the chosen algorithm was implemented using Apache Spark framework. Additional investigation has shown that the selected algorithm can work in real time mode.