Гражданство: РФ
Дата и место рождения: 28.03.2000, г. Челябинск
Специальность: 1.6.17 - Океанология
Год поступления: 2023
Научный руководитель: к.т.н. Криницкий Михаил Алексеевич
Тема научно-квалификационной работы: Исследование свойств архитектур и подходов обучения искусственных нейронных сетей для повышения достоверности моделирования физических процессов в атмосфере и океане.
Сроки обучения и ВУЗы по первым двум уровням высшего образования:
МФТИ, бакалавр по специальности 03.03.01, 2017-2021 г.г.
МФТИ, магистр по специальности 03.04.01, 2021-2023 г.г.
Публикации в зарубежных рецензируемых журналах (Web of Science, Scopus)
- Viktor Artemovich Golikov, Mikhail Krinitskiy и Dmitrii Borisov. “Visual clustering of marine sediment particles using a combination of unsupervised machine learning methods”. В: Proceedings of The 6th International Workshop on Deep Learning in Computational Physics — PoS(DLCP2022). Т. 429. 2022, с. 020. doi: 10.22323/1.429.0020.
- V. A. Golikov, M.A.Krinitskiy, D. G. Borisov, and E. I. Riazanova. “Client-Server Application for automated Estimation of Bottom Sediment Composition in the Fraction >0.1 mm from Microphotography Using Modern Deep Learning Methods”. Vestnik Moskovskogo Universiteta. 2023, Vol. 78, No. 7, pp. 104–114. doi: 10.3103/S0027134923070093
Устный доклад на международной конференции
EGU-2021. Доклад : Artificial neural networks for clustering sediment grains in microphotographs.
Устный доклад на всероссийской конференции
- XVIII Международная научно-техническая конференция «СОВРЕМЕННЫЕ МЕТОДЫ И СРЕДСТВА ОКЕАНОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ» (МСОИ-2023).
Доклад : АЛГОРИТМ АВТОМАТИЗИРОВАННОЙ ОЦЕНКИ ВЕЩЕСТВЕННОГО СОСТАВА ДОННЫХ ОСАДКОВ ВО ФРАКЦИИ >0.1 ММ ПО МИКРОФОТОГРАФИЯМ С ПРИМЕНЕНИЕМ СОВРЕМЕННЫХ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ. - The 6th International Workshop on Deep Learning in Computational Physics.
Доклад: Visual clustering of ocean sediment grains using a combination of unsupervised machine learning methods. - The 6th International Workshop on Deep Learning in Computational Physics.
Доклад: In situ wind speed nowcasting using data-driven approach. - The 7th International Workshop on Deep Learning in Computational Physics.
Доклад : CLIENT-SERVER APPLICATION FOR AUTOMATED ESTIMATION OF THE MATERIAL COMPOSITION OF BOTTOM SEDIMENTS IN THE >0.1 MM FRACTION FROM MICROPHOTOGRAPHY USING MODERN DEEP LEARNING METHODS - КИМО-2021.
Доклад : Кластеризация зёрен осадочных пород на микрофотографиях с применением современных методов глубокого обучения