• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Крук Евгений Аврамович — и.о. директора, научный руководитель

 

Абрамешин Андрей Евгеньевич — заместитель директора

 

Романов Виктор Владимирович — заместитель директора

 

Костинский Александр Юльевич — заместитель директора

 

Тумковский Сергей Ростиславович — заместитель директора по учебной работе

 

Аксенов Сергей Алексеевич — заместитель директора по научной работе

 

Адрес: 123458, Москва, ул. Таллинская, д.34
Телефон: 8(495)916-88-29
Факс: 8(495)916-88-29
Эл. почта: miem@hse.ru

     
Образовательные программы
Бакалаврская программа

Инфокоммуникационные технологии и системы связи

4 года
Очная форма обучения
50/20/10
50 бюджетных мест
20 платных мест
10 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Информатика и вычислительная техника

4 года
Очная форма обучения
100/45/15
100 бюджетных мест
45 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Программа специалитета

Компьютерная безопасность

5,5 лет
Очная форма обучения
30/50/15
30 бюджетных мест
50 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Бакалаврская программа

Прикладная математика

4 года
Очная форма обучения
80/50/15
80 бюджетных мест
50 платных мест
15 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Инжиниринг в электронике

2 года
Очная форма обучения
35/5/7
35 бюджетных мест
5 платных мест
7 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Интернет вещей и киберфизические системы

2 года
Очная форма обучения
20/2
20 платных мест
2 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Квантово-информационные технологии

2 года
Очная форма обучения
ENG
Обучение ведётся на английском языке
Магистерская программа

Компьютерные системы и сети

2 года
Очная форма обучения
50/15/5
50 бюджетных мест
15 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Математические методы моделирования и компьютерные технологии

2 года
Очная форма обучения
20/5/3
20 бюджетных мест
5 платных мест
3 платных места для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Материалы. Приборы. Нанотехнологии

2 года
Очная форма обучения
20/10/5
20 бюджетных мест
10 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Прикладная физика

2 года
Очная форма обучения
RUS
Обучение ведётся на русском языке
Магистерская программа

Системы управления и обработки информации в инженерии

2 года
Очная форма обучения
25/5/5
25 бюджетных мест
5 платных мест
5 платных мест для иностранцев
RUS
Обучение ведётся на русском языке
Магистерская программа

Суперкомпьютерное моделирование в науке и инженерии

2 года
Очная форма обучения
20/5/3
20 мест за счет средств ВШЭ
5 платных мест
3 платных места для иностранцев
RUS/ENG
Обучение ведётся на русском и английском языках
Статья
Построение системы атрибутивного поиска в системах управления учетными или идентификационными доменами при внедрении интеграционных решений

Белов А. В., Нежурина М. И., Шестова А. Д.

Научно-техническая информация. Серия 2: Информационные процессы и системы. 2017. № 11. С. 5-9.

Глава в книге
Выявление молекулярных основ взаимодействия белков в мембране с помощью компьютерного моделирования

Кузнецов А. С., Ефремов Р. Г.

В кн.: Физико-химические механизмы и регуляция процессов трансформации энергии в биологических структурах. Ижевск: Ижевский институт компьютерных исследований, 2017. Гл. 1.1. С. 9-32.

Ученые НИУ ВШЭ применили нейронную сеть для распознавания запахов

Сотрудники Лаборатории космических исследований в области технологий, систем и процессов МИЭМ НИУ ВШЭ применили быстрообучаемый нейросетевой искусственный интеллект для распознавания запахов. Это позволило ученым получить патент на малогабаритное устройство «электронный нос» для распознавания образа запаха широкого класса химических веществ. «Электронный нос» будет не только различать различные смеси газов, но и запоминать новые запахи. Специалисты Вышки уверены, что результаты их работы в будущем существенно облегчат жизнь как службам безопасности, так и обычным гражданам.

«Электронный нос» — это газоанализатор, измерительный прибор для определения качественного и количественного состава смесей газов. Нововведение ученых Вышки заключается в том, что их устройство разработано на основе твердотельных газочувствительных матриц, состоящих из полупроводниковых датчиков, с использованием быстрообучаемого нейросетевого искусственного интеллекта. Предложение исследователей, во-первых, позволяет достичь высокой точности при анализе смесей. Также, это делает работу прибора сопоставимой с работой органов обоняния живых существ, которые запоминают новые запахи и, встретив их снова, с легкостью их различают.

«Датчиков газа, запахов существует великое множество. Но они все настроены на распознавание только одного определенного запаха, — говорит Владимир Кулагин, профессор МИЭМ НИУ ВШЭ. — Допустим, у шахтеров есть датчики на метан, и, когда появляется этот газ, устройство его четко фиксирует и сообщает об опасности. Но, как только датчику предстоит распознать смесь газов, вот тут и начинаются проблемы: устройство выделит метан из этой смеси, а другие газы он «не увидит». А очень часто возникает ситуация, когда именно смесь газов представляет собой опасность. Сейчас специалисты МИЭМ НИУ ВШЭ работают над алгоритмами, текстами программ, а также методикой нейросетевого распознавания запахов. Основная техническая задача на данный момент состоит в том, что нам надо увеличить число образов распознаваемых запахов за счет обеспечения возможности оперативного обучения новому запаху с последующим размещением полученной информации в памяти устройства.  По сути, нам надо научить наш прибор распознавать опасные и неопасные смеси газов и быстро их запоминать. Для этого нужно получить характеристики этого газа».

Устройство может быть использовано для мониторинга окружающей среды, обеспечения безопасности людей и объектов от террористических угроз, раннего оповещения при техногенных катастрофах, в бортовых устройствах авиационных и космических аппаратов и т.д.

Как это будет происходить: прибор может поймать запах, но не суметь распознать его сразу. Тогда начинается поиск в базе данных максимально близкого запаха, определяемого по расстоянию Хэмминга между двумя кодами, как далеко они находятся друг от друга. И искусственный интеллект прибора находит максимально близкий код к тому, который он не может опознать. Если, как говорят разработчики, образа такого запаха нет (то есть для всех нейронных сетей обнаружены большие расхождения кодов по расстоянию Хэмминга), то принимается решение об обнаружении нового, неизвестного ранее запаха.

В этом случае образ нового запаха помещается в базу данных и для данного запаха обучается новая нейронная сеть. В итоге, одновременно с автоматическим обучением новым запахам обеспечивается более точное их распознавание. Если в базе данных обнаружено два варианта близких образов запаха, то предпочтение отдается тому запаху, чей код ближе к эталонному коду по расстоянию Хэмминга (подсчитывается число совпадений разрядов в коде). Преимуществом является также возможность корректировать ошибки «электронного носа», возникающие из-за старения матрицы газочувствительных датчиков.

Сфера применения данного устройства достаточно широкая, оно может быть использовано для мониторинга окружающей среды, обеспечения безопасности людей и объектов от террористических угроз, раннего оповещения при техногенных катастрофах, в бортовых устройствах авиационных и космических аппаратов, в технологических устройствах контроля качества исходного сырья, технологических устройствах контроля запахов, возникающих при технологических процессах.