Защита диссертации - Ушаков Егор Николаевич

Ушаков Егор Николаевич

Метод условной генерации изображений в диффузионных моделях со структурированным текстовым условием

Диссертация принята к защите

Искомая степень: Кандидат физико-математических наук.

Специальность: 2.3.5 – Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей.

Дата размещения: 02 сентября 2026.
Текст диссертации: Скачать

Решение совета о принятии диссертации к защите: Диссертация принята к защите.
Автореферат: Скачать
Отзыв научного руководителя: Скачать
Дата защиты: 12 ноября 2026.

Официальный оппонент: Горшенин Андрей Константинович, доктор физико-математических наук (05.13.18).

Место работы, должность: Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук», руководитель отдела «Вероятностное моделирование и статистический анализ сложных систем».

Основные публикации за последние 5 лет:

1. Gorshenin A. K., Antonenko S. V. Loss Function Selection for Vision Transformers in the Automatic Diagnosis of Bone Damage Based on X-ray Images with Low Variability in Training Data. Pattern Recognition and Image Analysis. – 2026. – Т. 36. – №. 1. – С. 16-25.
2. Горшенин А. К., Достовалова А. М. MMRFIGN: ансамблевая графовая модель сегментации несбалансированных изображений высокого разрешения, информированная мультикомпонентными марковскими случайными полями. Доклады Российской академии наук. Математика, информатика, процессы управления. – 2025. – Т. 527. – №. 0. – С. 156-170.
3. Gorshenin A. K., Vilyaev A. L. Joint Probability-Informed Approach Based on Feature Space Expansion and Modified Loss Functions for Time Series Forecasting. Pattern Recognition and Image Analysis. – 2025. – Т. 35. – №. 3. – С. 235-244.
4. Gorshenin A. K., Dostovalova A. M. Small sample classification and regression for time series and tabular data based on deep gaussian mixture models. Pattern Recognition and Image Analysis. – 2025. – Т. 35. – №. 2. – С. 83-93.
5. Достовалова А. М. и др. Сравнительный анализ модификаций нейросетевых архитектур U-Net в задаче сегментации медицинских изображений. Digital Diagnostics. – 2024. – Т. 5. – №. 4. – С. 833-853.

Отзыв оппонента: Скачать

Официальный оппонент: Кулеев Рамиль Фуатович, кандидат технических наук (05.13.18).

Место работы, должность: Автономная некоммерческая организация высшего образования «Университет Иннополис», директор Института искусственного интеллекта.

Основные публикации за последние 5 лет:

1. Lvov D. et al. Uncertainty Estimation in Cardio Landmark Detection and Heart Disease Diagnosis on Chest X-Ray Images. IEEE Access. – 2025. – Т. 13. – С. 87229-87240.
2. Qaisrani S. N. et al. Efficient diagnosis of cardiovascular disease using composite deep learning and explainable AI technique. Компьютерные исследования и моделирование. – 2024. – Т. 16. – №. 7. – С. 1651-1666.
3. Eltayieb N. et al. Secure aggregate signature scheme for smart city applications. Computer Communications. – 2022. – Т. 193. – С. 388-395.
4. А. В. Корнаев, И. А. Никонов, Р. Ф. Кулеев, Межотраслевые технологии искусственного интеллекта: поиск и реализация эффективных решений. Докл. РАН. Матем., информ., проц. упр., 508 (2022), 7–12; Dokl. Math., 106:suppl. 1 (2022), S4–S8.

Отзыв оппонента: Скачать

Ведущая организация: Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский ядерный университет «МИФИ».

Контактные данные: 115409, Россия, Москва, Каширское шоссе, д.31, +7 (495) 788-56-99, info@mephi.ru, mephi.ru

Основные публикации за последние 5 лет:

1. Rymov D. A. et al. 3D-CGH-Net: Customizable 3D-hologram generation via deep learning. Optics and Lasers in Engineering. – 2025. – Т. 184. – С. 108645.
2. Leonov M. M., Soroka A. A., Trofimov A. G. Transfer Learning Approach Based on Generative Adaptation of Low-Dimensional Latent Representation. Optical Memory and Neural Networks. – 2025. – Т. 34. – №. Suppl 1. – С. S148-S157.
3. Volkov A. A. et al. A review of Neural network-based image noise processing methods. Sensors (Basel, Switzerland). – 2025. – Т. 25. – №. 19. – С. 6088.
4. Kiriy S. A. et al. Generative adversarial neural network for 3D-hologram reconstruction. Laser Physics Letters. – 2024. – Т. 21. – №. 4. – С. 045201.
5. Kiriy S. A. et al. Object image reconstruction: method for reconstructing images from digital off-axis holograms using a generative adversarial network. Measurement Techniques. – 2024. – Т. 67. – №. 4. – С. 282-290.

Отзыв ведущей организации: Скачать