Тюменцев Юрий Владимирович

Должность	профессор	кафедра 106
Ученая степень	Доктор технических наук
Ученое звание	Доцент

Публикации
1	Homotopy continuation training method for semi-empirical continuous-time state-space neural network models// Studies in Computational Intelligence. - 2019 - Volume 799 - P. 115-120
2	Semantic Image Segmentation as a Tool for Situational Awareness in Unmanned Vehicle Control Tasks// Studies in Computational Intelligence. - 2022 - Volume 1008 SCI - P. 308-318
3	Semantic Image Segmentation as a Tool for Situational Awareness in Unmanned Vehicle Control Tasks// Studies in Computational Intelligence. - 2022 - №8 - Том 100 - С. 308-318
4	Идентификация аэродинамических характеристик летательного аппарата: нейросетевой полуэмпирический подход// Вестник Московского авиационного института. - 2014 - №4 - Том 21 - С. 13-24
5	Neural Network Nonlinear Adaptive Fault Tolerant Motion Control for Unmanned Aerial Vehicles// Optical Memory and Neural Networks (Information Optics). - 2022 - №1 - Том 31 - С. 1-15
6	Combined Use of Dynamic Inversion and Reinforcement Learning for Optimal Adaptive Control of Supersonic Transport Airplane Motion// Journal of Computer and Systems Sciences International. - 2025 - №1 - Том 64 - С. 136-152
7	Semi-Empirical Continuous Time Neural Network Based Models for Controllable Dynamical Systems// Optical Memory and Neural Networks (Information Optics). - 2019 - №3 - Volume 28 - P. 192-203
8	Semi-empirical neural network models of hypersonic vehicle 3D-motion represented by index 2 DAE// Studies in Computational Intelligence. - 2020 - Volume 856 - P. 335-341
9	Recurrent neurodynamic model of neuron with variable activation characteristic// Biologically Inspired Cognitive Architectures. - 2018 - Volume 25 - P. 58-65
10	Adaptive neural network motion control for aircraft under uncertainty conditions// IOP Conference Series: Materials Science and Engineering. - 2018 - №1 - Volume 312
11	Neural Network Semi-empirical Modeling of the Longitudinal Motion for Maneuverable Aircraft and Identification of Its Aerodynamic Characteristics// Studies in Computational Intelligence. - 2018 - Volume 736 - P. 65-71
12	Расчет безопасных параметров начала маневра спортивных самолетов с использованием искусственной нейронной сети// Вестник Московского авиационного института. - 2020 - №2 - Том 27 - С. 169-184
13	Situational awareness and problems of its formation in the tasks of uav behavior control// Applied Sciences (Switzerland). - 2021 - №24 - Том 11 - С. 11611-11611
14	Application of Neural Networks for the Design of Flight Control Algoritms. II. Adaptive Tuning of Neural Network Control Law// Russian Aeronautics. - 2013 - №3 - С. 257-265
15	Learning of Semi-Empirical Neural Network Model of Aircraft Three-Axis Rotational Motion (Обучение полуэмпирической нейросетевой модели полного углового движения самолета)// Optical Memory & Neural Networks. - 2015 - №3 - Том 24 - С. 210-217
16	Semi-empirical neural network based approach to modelling and simulation of controlled dynamical systems// Procedia Computer Science. - 2018 - Том 123 - С. 134-139
17	Принципы построения системы управления и формирования программной траектории для посадки на лунную поверхность перспективного космического аппарата// Общероссийский научно-технический журнал "Полет". - 2018 - №6 - С. 59-67
18	Homotopy Continuation Training Method for Semi-Empirical Continuous-Time State-Space Neural Network Models // Studies in Computational Intelligence. - 2019 - №_ - Том 799 - С. 115-120
19	Providing Situational Awareness in the Control of Unmanned Vehicles// Studies in Computational Intelligence. - 2021 - №_ - Том 925 - С. 125-134
20	Aerodynamics and flight dynamics problems of high speed vehicles and waysfor their solution// 29th Congress of the International Council of the Aeronautical Sciences, ICAS 2014. - 2014
21	Pilot behavior modeling and its application to manual control tasks// IFAC-PapersOnLine. - 2016 - №32 - Volume 49 - P. 159-164
22	Полуэмпирическое нейросетевое моделирование управляемых нелинейных динамических систем с непрерывным временем.// Нейрокомпьютеры и их применение.. - 2019 - P. 21-23
23	Semantic segmentation of images obtained by remote sensing of the earth// Studies in Computational Intelligence. - 2020 - Volume 856 - P. 309-318
24	Preface// Studies in Computational Intelligence. - 2020 - Volume 856 - P. v
25	Preface// Studies in Computational Intelligence. - 2022 - Volume 1008 SCI - P. v-vi
26	Синтез закона управления с помощью инкрементального эвристического динамического программирования// XLVII Гагаринские чтения 2021.. - 2021 - P. 228.-229
27	Choosing Hyperparameter Values of the Convolution Neural Network When Solving the Problem of Semantic Segmentation of Images Obtained by Remote Sensing of the Earth’s Surface// Optical Memory and Neural Networks (Information Optics). - 2020 - №4 - Volume 29 - P. 317-329
28	Neural Network Nonlinear Adaptive Fault Tolerant Motion Control for Unmanned Aerial Vehicles// Optical Memory and Neural Networks (Information Optics). - 2022 - №1 - Volume 31 - P. 1-15
29	Providing Situational Awareness in the Control of Unmanned Vehicles// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. 125-134
30	Choice of Hyperparameter Values for Convolutional Neural Networks Based on the Analysis of Intra-network Processes// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. 184-197
31	Preface// Studies in Computational Intelligence. - 2022 - Volume 1008 SCI - P. v-vi
32	Application of neural networks for synthesizing flight control algorithms. i neural network inverse dynamics method for aircraft flight control// Russian Aeronautics. - 2013 - №2 - Volume 56 - P. 135-144
33	Применение обучения с подкреплением в задачах управления динамическими системами.// Гагаринские чтения - 2018.. - 2018 - P. 348
34	Анализ возможностей искусственных нейронных сетей применительно к семантической сегментации изображений, полученных при дистанционном зондировании земной поверхности.// 18-я Международная конференция «Авиация и космонавтика - 2019».. - 2019 - P. 227
35	Применение обучения с подкреплением в задачах управления динамическими системами.// Гагаринские чтения - 2020.. - 2020 - P. 37-38
36	Semantic Image Segmentation as a Tool for Situational Awareness in Unmanned Vehicle Control Tasks// Studies in Computational Intelligence. - 2022 - Volume 1008 SCI - P. 308-318
37	Полуэмпирическое нейросетевое моделирование нелинейных динамических систем с непрерывным временем// . - 2020
38	Providing Situational Awareness in the Control of Unmanned Vehicles// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. 125-134
39	Pilot behavior modeling and its application to manual control tasks (Экспериментальное моделирование поведения пилота и ее применение для ручного контроля задач)// IFAC-PapersOnLine. - 2016 - №32 - Том 49 - С. 159-164
40	Полуэмпирические нейросетевые модели управляемых динамических систем// Современные информационные технологии и ИТ-образование. - 2017 - №4 - Том 13 - С. 241-255
41	Нейросетевые методы обнаружения отказов датчиков и приводов летательного аппарата// Электронный журнал "Труды МАИ". - 2012 - №52 - С. -
42	Application of Neural Networks for the Design of Flight Control Algoritms. I. Neural Network Inverse Dynamics Method for Aircraft Flight Control // Russian Aeronautics. - 2013 - №2 - С. 135-144
43	Mathematical modeling of pilot control response characteristics in studying the manual control tasks (Математическое моделирование характеристик управляющих действий летчика при исследовании задач ручного управления)// Russian Aeronautics. - 2015 - №2 - Том 58 - С. 173-179
44	Multi-input Convolutional Neural Networks in Real-Time Semantic Segmentation Tasks// Studies in Computational Intelligence. - 2023 - №_ - Том 106 - С. 381-394
45	An Attempt to Formalize the Formulation of the Network Architecture Search Problem for Convolutional Neural Networks// Studies in Computational Intelligence. - 2023 - №_ - Том 106 - С. 550-556
46	Semantic Segmentation of Images Obtained by Remote Sensing of the Earth// 21st International Conference on Neuroinformatics, 2019. - 2020 - №_ - Том 856 - С. 309-318
47	Semi-empirical Neural Network Models of Hypersonic Vehicle 3D-Motion Represented by Index 2 DAE// 21st International Conference on Neuroinformatics,2019. - 2020 - №_ - Том 856 - С. 335-341
48	Neural Network Based Semi-Empirical Models for Dynamical Systems Represented by Differential-Algebraic Equations of Index 2 (Нейросетевые Полуэмпирические модели для динамических систем, представленных дифференциально-Алгебраическими уравнениями инде// Procedia Computer Science. - 2018 - №_ - Том 123 - С. 252-257
49	Functional Plasticity in a Recurrent Neurodynamic Model: from Gradual to Trigger Behavior (Функциональная пластичность в Рецидивирующей Нейродинамической модели: от постепенного к Триггерному поведению)// Procedia Computer Science. - 2018 - №_ - Том 123 - С. 366-372
50	Нейросетевые методы обнаружения отказов датчиков и приводов летательного аппарата// Электронный журнал "Труды МАИ". - 2012 - №52 - С. -
51	Match-Mismatch Detection Neural Circuit Based on Multistable Neurons// Studies in Computational Intelligence. - 2019 - №_ - Том 799 - С. 84-90
52	Choosing Hyperparameter Values of the Convolution Neural Network When Solving the Problem of Semantic Segmentation of Images Obtained by Remote Sensing of the Earth’s Surface// Optical Memory and Neural Networks (Information Optics). - 2020 - №4 - Том 29 - С. 317-329
53	АДАПТИВНОЕ УПРАВЛЕНИЕ ДВИЖЕНИЕМ ЛЕТАТЕЛЬНОГО АППАРАТА С ИСПОЛЬЗОВАНИЕМ НЕЛИНЕЙНОЙ ДИНАМИЧЕСКОЙ ИНВЕРСИИ И МАШИННОГО ОБУЧЕНИЯ// Вестник Московского авиационного института. - 2026 - №2 - Том 33 - С. 210-219
54	Combined Use of Dynamic Inversion and Reinforcement Learning for Motion Control of an Supersonic Transport Aircraft// Optical Memory and Neural Networks (Information Optics). - 2024 - №3 - Том 33 - С. 399-413
55	Применение углублённого анализа нейросетевых процессов в задаче семантической сегментации изображений// Нейрокомпьютеры и их применение.. - 2021 - P. 365-367
56	Choice of Hyperparameter Values for Convolutional Neural Networks Based on the Analysis of Intra-network Processes// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. 184-197
57	Preface// Studies in Computational Intelligence. - 2019 - Volume 799 - P. v
58	Theoretical and experimental investigations of aerodynamics and flight dynamics for micro-UAVs// 27th Congress of the International Council of the Aeronautical Sciences 2010, ICAS 2010. - 2010 - Volume 4 - P. 3164-3172
59	Learning of semi-empirical neural network model of aircraft three-axis rotational motion// Optical Memory and Neural Networks (Information Optics). - 2015 - №3 - Volume 24 - P. 201-208
60	A hysteresis micro ensemble as a basic element of an adaptive neural net// Optical Memory and Neural Networks (Information Optics). - 2015 - №2 - Volume 24 - P. 116-122
61	Adaptive neural network based simulation of dynamical systems// CEUR Workshop Proceedings. - 2016 - Volume 1761 - P. 348-355
62	Анализ свёрточных нейроархитектур применительно к задаче сегментации объектов на изображениях аэрофотосъемки.// Авиация и космонавтика - 2018.. - 2019 - P. 444-445
63	Semi-empirical neural network based modeling and identification of controlled dynamical systems// Studies in Computational Intelligence. - 2020 - Volume 856 - P. 25-42
64	Применение внутрисетевого анализа в задаче выбора гиперпараметров сверточной нейронной сети// 19-я Международная конференция «Авиация и космонавтика».. - 2021 - P. 461-462
65	Match-mismatch detection neural circuit based on multistable neurons// Studies in Computational Intelligence. - 2019 - Volume 799 - P. 84-90
66	Neural network based semi-empirical models of 3D-motion of hypersonic vehicle// Studies in Computational Intelligence. - 2019 - Volume 799 - P. 196-201
67	Preface// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. v-vi
68	Нейросетевой полуэмпирический подход к моделированию продольного движения и идентификации аэродинамических характеристик маневренного самолета // Труды МАИ. - 2017 - №94 - С. -
69	Нейросетевой механизм адаптации при решении кусочно-постоянной задачи анализа независимых компонент// Электронный журнал "Труды МАИ". - 2014 - №78 - С. -
70	Learning of Semi-Empirical Neural Network Model of Aircraft Three-Axis Rotational Motion (Обучение полуэмпирической нейросетевой модели полного углового движения самолета)// Optical Memory & Neural Networks. - 2015 - №3 - Том 24 - С. 201-208
71	Recurrent neurodynamic model of neuron with variable activation characteristic(Article)// Biologically Inspired Cognitive Architectures. - 2018 - №aug.2018 - Том 25 - С. 58-65
72	LQR Approach to Aircraft Control Based on the Adaptive Critic Design// Studies in Computational Intelligence. - 2023 - №- - Том 112 - С. 406-419
73	Semi-empirical Neural Network Based Modeling and Identification of Controlled Dynamical Systems// 21st International Conference on Neuroinformatics,2019. - 2019 - №_ - Том 856 - С. 25-42
74	Neural Network Semi-empirical Modeling of the Longitudinal Motion for Maneuverable Aircragt and Identification of Its Aerodynamic Characteristics (Нейросетевое полуэмпирическое моделирование продольного движения маневренного летательного аппарата и // Studies in Computational Intelligence. - 2018 - №_ - Том 736 - С. 65-71
75	Идентификация аэродинамических характеристик летательного аппарата: нейросетевой полуэмпирический подход// Вестник Московского авиационного института. - 2014 - №4 - Том 21 - С. 13-24
76	Моделирование продольного углового движения самолета: сопоставление теоретического, эмпирического и полуэмпирического подходов// Научный вестник Московского государственного технического университета гражданской авиации. - 2015 - №211(1) - С. 116-123
77	Моделирование продольного углового движения самолета: сопоставление теоретического, эмпирического и полуэмпирического подходов// Научный вестник Московского государственного технического университета гражданской авиации. - 2015 - №211(1) - С. 116-123
78	A hysteresis micro ensemble as a basic element of an adaptive neural net (Гистерезисный микроансамбль как базисный элемент адаптивной нейронной сети)// Optical Memory & Neural Networks. - 2015 - №2 - Том 24 - С. 116-122
79	Нейросетевая модель конечного автомата на основе гистерезисных микроансамблей// Вестник национального исследовательского ядерного университета "МИФИ". - 2015 - №5 - Том 4 - С. 447-453
80	Neural network based semi-empirical models for dynamical systems described by differential-algebraic equations (Нейросетевые полуэмпирические модели для динамических систем, описываемых дифференциально-алгебраическими уравнениями)// Optical Memory & Neural Networks. - 2015 - №4 - Том 24 - С. 279-287
81	Neural network identification of aircraft nonlinear aerodynamic characteristics// IOP Conference Series: Materials Science and Engineering. - 2018 - №1 - Том 312 - С. 012008-012008
82	Application of neural networks for the design of flight control algorithms. II Adaptive tuning of neural network control law// Russian Aeronautics. - 2013 - №3 - Volume 56 - P. 257-265
83	Comparative Efficiency Analysis for Various Neuroarchitectures for Semantic Segmentation of Images in Remote Sensing Applications// Optical Memory and Neural Networks (Information Optics). - 2019 - №4 - Volume 28 - P. 306-320
84	Структурная корректировка нейросетевой модели летательного аппарата// 19-я Международная конференция «Авиация и космонавтика».. - 2021 - P. 465-466
85	Neural network identification of aircraft nonlinear aerodynamic characteristics// IOP Conference Series: Materials Science and Engineering. - 2018 - №1 - Volume 312
86	Semi-empirical Neural Network Based Approach to Modelling and Simulation of Controlled Dynamical Systems// Procedia Computer Science. - 2018 - Volume 123 - P. 134-139
87	Functional Plasticity in a Recurrent Neurodynamic Model: from Gradual to Trigger Behavior// Procedia Computer Science. - 2018 - Volume 123 - P. 366-372
88	Нейросетевое моделирование управляемого движения летательных аппаратов// Вестник Московского авиационного института. - 2010 - №5 - Том 17 - С. 5-11
89	Применение неоднородных NARX-сетей для обнаружения отказных ситуаций// Нейрокомпьютеры: разработка, применение. - 2012 - №9 - С. 13-22
90	Нейросетевое полуэмпирическое моделирование продольного короткопериодического движения маневренного самолета// Общероссийский научно-технический журнал "Полет". - 2015 - №1 - С. 53-60
91	Adaptive neural network motion control for aircraft under uncertainty conditions// IOP Conference Series: Materials Science and Engineering. - 2018 - №_ - Том 312 - С. 012006-012006
92	SNAC Approach to Aircraft Motion Control// Studies in Computational Intelligence. - 2023 - №- - Том 112 - С. 420-434
93	Neural Network and Hybrid Methods in Aircraft Modeling, Identification, and Control Problems// Aerospace. - 2025 - №1 - Том 12 - С. 1-1
94	Neural network adaptive semi-empirical models for aircraft controlled motion// 29th Congress of the International Council of the Aeronautical Sciences, ICAS 2014. - 2014
95	Neural network based semi-empirical models for dynamical systems described by differential-algebraic equations// Optical Memory and Neural Networks (Information Optics). - 2015 - №4 - Volume 24 - P. 279-287
96	Mathematical modeling of pilot control response characteristics in studying the manual control tasks// Russian Aeronautics. - 2015 - №2 - Volume 58 - P. 173-179
97	Методы динамического анализа сцен в процессах управления беспилотной техникой.// Авиация и космонавтика - 2018.. - 2019 - P. 446-447
98	Situational awareness and problems of its formation in the tasks of uav behavior control// Applied Sciences (Switzerland). - 2021 - №24 - Volume 11
99	Preface// Studies in Computational Intelligence. - 2021 - Volume 925 SCI - P. v-vi
100	Adaptive Gateway Element Based on a Recurrent Neurodynamical Model// Studies in Computational Intelligence. - 2018 - Volume 736 - P. 33-38
101	Neural Network Based Semi-Empirical Models for Dynamical Systems Represented by Differential-Algebraic Equations of Index 2// Procedia Computer Science. - 2018 - Volume 123 - P. 252-257
102	Semi-Empirical Continuous Time Neural Network Based Models for Controllable Dynamical Systems// Optical Memory & Neural Networks. - 2019 - №3 - Том 28 - С. 192-203
103	Нейросетевой полуэмпирический подход к моделированию продольного движения и идентификации аэродинамических характеристик маневренного самолета // Труды МАИ. - 2017 - №94 - С. -
104	Adaptive Gateway Element Based on a Recurrent Neurodynamical Model (Адаптивный элемент шлюза на основе Рецидивирующей Нейродинамической модели)// Studies in Computational Intelligence. - 2018 - №_ - Том 736 - С. 33-38
105	Нейросетевые полуэмпирические модели управляемых динамических систем// Вестник компьютерных и информационных технологий. - 2013 - №9 - С. 3-10
106	Нейросетевой механизм адаптации при решении кусочно-постоянной задачи анализа независимых компонент// Электронный журнал "Труды МАИ". - 2014 - №78 - С. -
107	Нейросетевое полуэмпирическое моделирование продольного короткопериодического движения маневренного самолета// Общероссийский научно-технический журнал "Полет". - 2015 - №1 - С. 53-60
108	A hysteresis micro ensemble as a basic element of an adaptive neural net (Гистерезисный микроансамбль как базисный элемент адаптивной нейронной сети)// Optical Memory & Neural Networks. - 2015 - №2 - Том 24 - С. 116-122
109	Neural Network Based Semi-empirical Models of 3D-Motion of Hypersonic Vehicle// Studies in Computational Intelligence. - 2019 - №_ - Том 799 - С. 196-201
110	Choice of Hyperparameter Values for Convolutional Neural Networks Based on the Analysis of Intra-network Processes// Studies in Computational Intelligence. - 2021 - №_ - Том 925 - С. 184-197
111	Motion Control of Supersonic Passenger Aircraft Using Machine Learning Methods// Optical Memory and Neural Networks (Information Optics). - 2023 - №SI2 - Том 32 - С. 195-205
112	Lateral Motion Control of a Maneuverable Aircraft Using Reinforcement Learning// Optical Memory and Neural Networks (Information Optics). - 2024 - №1 - Том 33 - С. 1-12
Показать остальные публикации

К выбору группы Выбрать учебную неделю Сообщить об ошибке

Учебная неделя №11

Вернуться к сегодняшнему дню

Пн, 09 ноября
Адаптивное интеллектуальное управление движением летательных аппаратов ЛР
- 18:15 – 19:45
- М1О-204СВ-25
- 4-306
Адаптивное интеллектуальное управление движением летательных аппаратов ЛР
- 20:00 – 21:30
- М1О-204СВ-25
- 4-306
Ср, 11 ноября
Оптимальное и адаптивное управление ЛК
- 13:00 – 14:30
- М1О-314БВ-24
- 7-406
Методы интеллектуального управления в авиационной технике ЛК
- 16:30 – 18:00
- М1О-118Мки-26
- 7-413

Тюменцев Юрий Владимирович

Учебная неделя №11

Если вы заметили неточности в расписании, пожалуйста, сообщите об этом.

Разделы

Мы используем cookies

Ничего не нашлось

Популярные запросы