DSA Faculty
API
← к списку преподавателей

Кучерявый Евгений Андреевич

Научно-исследовательский институт телекоммуникаций

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 55136
Публикаций
82
Языков
1
Наград
5
Конференций
0
Профиль Публикации (82) Курсы (4)

Профессиональные интересы

Беспроводные сети 5/6GЦифровые двойники систем и сетей связиAI/ML в телекомемоделирование сетей связиультрамалые задержки URLLCWiFi

Должности

  • Директор — Научно-исследовательский институт телекоммуникаций
  • Профессор — Московский институт электроники и математики им. А.Н. Тихонова, Департамент электронной инженерии
  • Главный научный сотрудник — Московский институт электроники и математики им. А.Н. Тихонова, Департамент электронной инженерии
  • Академический руководитель образовательной программы — Технологии искусственного интеллекта в телекоммуникациях
  • Руководитель программы повышения квалификации — Стандарты 5G/5G. Продвинутый уровень

Био

  • · Начал работать в НИУ ВШЭ в 2014 году.
  • · Научно-педагогический стаж: 35 лет.

Образование

  • 2018 · Доктор наук: Московский технический университет связи и информатики, тема диссертации: "Разработка и исследование комплекса моделей и методов распределения ресурсов в беспроводных гетерогенных сетях связи"
  • 2005 · PhD: Технологический университет Тампере
  • 1999 · Кандидат наук: тема диссертации: Исследование вероятностно-временных характеристик механизмов управления мультимедийной нагрузкой в сетях АТМ
  • 1997 · Специалитет: Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, специальность «Программное обеспечение вычислительной техники и автоматизированных систем», квалификация «Инженер»

Награды и поощрения

  • · Почетная грамота НИУ ВШЭ (сентябрь 2024)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026, 2024–2025, 2023–2024)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2022–2023, 2021–2022)
  • · Надбавка за статью в зарубежном рецензируемом журнале (2015–2017)
  • · Лучший преподаватель — 2018

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Идентификаторы исследователя

Публикации (82)

MDC-Net: A Multi-scale Decomposition Network for Stock Index Forecasting

2026 · CHAPTER · en

Forecasting stock indices remains an important yet difficult problem in financial markets. Many studies have therefore explored deep learning methods for this task. Over the past few decades, Recurrent Neural Network (RNN)- and Long Short- Term Memory (LSTM)-based models have dominated much of the stock prediction literature, and more recently Transformerbased methods have also shown promising results. Even so,existing approaches often do not extract informative features from historical stock series effectively enough, particularly local features that may be useful for accurate prediction. To address this issue, we propose a Multi-scale Decomposition Convolutional Network (MDC-Net). The proposed network decomposes multiscale stock series into long-term trend terms and short-term seasonal terms, and then models them separately. It extracts local features and global correlations in the series to better characterise dependencies in historical observations and make fuller use of the information contained in stock sequences. Experiments on four real-world global stock market index datasets show that MDC-Net outperforms current mainstream methods.

DOI ↗ PDF ↗

QGKM: A Quantum Fidelity-Based Graph Clustering Framework for Robust Data Pattern Recognition in Education Social Networks QGKM: A Quantum Fidelity-Based Graph Clustering Framework for Robust Data Pattern Recognition in Education Social Networks

2026 · ARTICLE · en

In the era of data-driven education, educational social networks generate large volumes of high-dimensional and complex-structured data through learner interactions, collaborative activities, and resource-sharing behaviors, posing significant challenges to traditional unsupervised learning methods. Such data often exhibit non-convex distributions, heterogeneity, and noise sensitivity, making conventional clustering approaches insufficient for capturing their intrinsic structural relationships. To address this issue, this paper proposes Quantum Fidelity-Based Graph K-Means (QGKM), a clustering framework for robust pattern recognition in educational social networks. Specifically, QGKM employs quantum state encoding to map complex educational data into a quantum state space and utilizes quantum fidelity as a similarity metric to uncover latent correlations that Euclidean distance cannot effectively capture. In addition, the incorporation of k-nearest neighbor graphs preserves the local geometric structure of learner interaction networks, while a deterministic greedy hierarchical merging strategy eliminates the instability caused by random initialization. Experimental results on seven real-world datasets demonstrate that QGKM consistently outperforms classical K-Means in clustering accuracy. The proposed framework provides an effective solution for learning pattern discovery, learner profiling, and intelligent recommendation in digital education environments.

DOI ↗ PDF ↗

Risk Assessment and Mitigation of Information Security Threats in 5G Networks

2025 · ARTICLE · en

Abstract. The 5G communication networks have been destined to become one of the pillars of the digital economy, driven by artificial intelligence (AI), machine learning (ML), Big Data, Internet of Things (IoT) and robotization. The 5G networks have inherited many vulnerabilities from the preceding systems. In this regard, the issue of a proper information security (IS) is one of the highest priorities. The objective of this paper is to assess the risks of realizing some IS threats in 5G wireless networks and propose security measures to mitigate them. In particular, we analyze vulnerabilities for 5G networks related to the user device (UE), wireless interface (Air Interface), core network (CN), application server, opensource applications, AI, physical layer threats, threats from poorly secured 4G/LTE network, SDN security related to vulnerabilities in SSH using various attacks such as Terrapin attack, as well as regulatory requirements. Then, we propose the measures to reduce threat probabilities and impacts by an average of 16%, benefitting ISPs and telecoms to avoid problems related to data availability, leakage and compromise.

PDF ↗

Adaptive Beam Tracking in 5G/6G mmWave Networks: A Clustered Federated Learning Approach

2025 в печати · ARTICLE · en

Миллиметровые волны (ммВолны, 30–100 ГГц) играют ключевую роль в обеспечении высокой пропускной способности сетей 5G/6G. Однако такие сигналы сильно подвержены затуханию и блокировке, что требует использования направленных антенн с формированием луча и эффективных алгоритмов его сопровождения. Традиционные методы на основе машинного обучения, такие как централизованное обучение (ЦО) и федеративное обучение (ФО), сталкиваются с серьёзными проблемами. Хотя ЦО обеспечивает быструю сходимость, оно связано с высокими вычислительными затратами и рисками для конфиденциальности. В свою очередь, ФО решает эти проблемы за счёт распределённого обучения моделей, но страдает от медленной сходимости и неоптимальной точности из-за неоднородности данных. Чтобы преодолеть эти ограничения, в данной работе предлагается новая кластеризованная федеративная обучающая (КФО) framework для сопровождения луча. КФО сочетает преимущества ФО, группируя пользователей со схожими распределениями данных, что позволяет обучать отдельную модель для каждого кластера. Такой подход снижает нагрузку на связь, ускоряет обучение и повышает точность. Мы анализируем ключевые факторы, влияющие на кластеризацию пользователей, и их влияние на эффективность обучения. Численные результаты показывают, что КФО значительно превосходит традиционные методы ЦО и ФО, обеспечивая увеличение точности на 18% по сравнению с ФО (в частности, алгоритмом FedAvg) и на 11% по сравнению с ЦО. Эти результаты подчёркивают потенциал КФО для улучшения сопровождения луча в ммВолновых системах, предлагая более адаптивное и безопасное для конфиденциальности решение для беспроводных сетей будущего.

DOI ↗ PDF ↗

The Integration Of Edge Computing Into Iot Application Using Advantedge Platform, Case Study: Mobility

2025 · CHAPTER · en

As the number of IoT devices connected to the internet increases, the amount of data explodes. This leads to a higher demand for internet speed during data transfer and more requirements for computing power and storage in central servers. To address these issues and enable real-time data processing while reducing network bandwidth utilization, edge computing has become a promising solution. This research focuses on the development of the IoT application on the edge computing platform in case of the mobility of the User Equipment (UE) to solve problems like latency and network bandwidth occupation for IoT applications while moving between two zones.

PDF ↗

Near/Far-Field State Detection for 6G Terahertz Communications Systems

2025 · ARTICLE · en

Одной из основных особенностей будущих систем 6G, работающих в субтерагерцовом и терагерцовом диапазонах частот (0,1–0,3 ТГц и 0,3–3 ТГц), является то, что часть покрытия базовой станции (БС) будет расположена в ближней зоне. Поскольку в этой зоне мощность принимаемого сигнала (SRP) сильно зависит не только от расстояния разнесения между пользовательским оборудованием (ПО) и БС, но и от конкретных координат ПО, необходимо использовать более комплексные методы волнового фронта, чем формирование луча. Для обеспечения бесшовного переключения между режимами работы антенны необходимы надежные алгоритмы определения местоположения ПО относительно БС. В этой статье мы используем инструменты машинного обучения и предлагаем простой, но надежный алгоритм определения состояния и тестируем его с использованием двух сценариев: (i) ОП перемещается по направляющей и (ii) ОП свободно перемещается в руке пользователя. Наши результаты показывают, что сеть с долговременной краткосрочной памятью (LSTM) обеспечивает наилучшую производительность, имея точность обнаружения выше 90% даже в случае сценария UE in hand и достигая единицы для UE on rail. Простые алгоритмы на основе дерева могут обнаруживать изменение между ближними и дальними полями с точностью, достигающей 80-85% и 95-97% для этих сценариев. Таким образом, мы рекомендуем использовать алгоритм LSTM с размером окна обнаружения 100–300, что позволяет быстро (200–400 мс) обнаруживать состояние и облегчает реализацию в режиме онлайн.

DOI ↗ PDF ↗

Generating Measurement-based Synthetic Received Signal Power Data for 6G Sub-Terahertz Research with Micromobility and Blockage

2025 · ARTICLE · en

Blockage of propagation paths between the base station (BS) and user equipment (UE), as well as the micromobility of the UE, are known to be critical phenomena affecting the performance of 6G subterahertz/terahertz (sub-THz/THz, 0.1–0.3/0.3–3 THz) cellular systems. The development of functions that target the performance improvement of such systems requires understanding of the dynamics of the received signal. However, measurements of the signal received power (SRP) reported to date are limited to the blockage and micromobility phenomena in isolation. In this study, by utilizing individual measurements of blockage and micromobility processes, we propose a procedure for generating synthetic time series of the received signal strength simultaneously capturing blockage, micromobility, and beam-tracking procedures. Our results reveal that out of all the considered applications, only the most dynamic ones, racing game and VR, are characterized by significant differences between on-demand and regular beam tracking with 4-6.5 bits/Hz/s spectral efficiency degradation in the case of on-demand beam tracking as compared to the regular one. For applications with high-speed micromobility (VR watching and race gaming), the minimal beam tracking interval is 80 ms, whereas for low-speed applications, a period of 320 ms and even sometimes 1000 ms is sufficient. Our results show that the availability of information regarding the type of application allows one to decrease the overhead required for beam tracking by up to 20-30 times. The traces produced can be further utilized for various tasks, including the development of statistical tests for discriminating blockage and micromobility events, designing blockage detection algorithms, and improving beam tracking procedures. We made the data produced available to the research community.

DOI ↗ PDF ↗

Субтерагерцовый беспроводной канал 2 Гбит/с с частотно-управляемой разверткой пучка

2025 · ARTICLE · en

В этой работе мы сообщаем о субтерагерцовом беспроводном канале с частотно-управляемой разверткой пучка в отраженном свете как о средстве смягчения эффекта блокировок, востребованном в сетях связи нового поколения с поддержкой мобильности пользователя. Нами продемонстрирована возможность коммутации между пользовательскими устройствами с предотвращением блокировок с помощью частотноселективной отражающей поверхности для внутреннего канала со скоростью 2 Гбит/с и несущими частотами в спектральном диапазоне 158–134 ГГц.

DOI ↗

The Integration Of Edge Computing Into Iot Application Using Advantedge Platform, Case Study: Connection Technology (Wi‐Fi, 4G, 5G)

2024 · CHAPTER · en

As the number of Internet of Things (IoT) devices that access the internet increases, generating data has correspondingly increased. As a result, the need to improve Internet speeds to facilitate data trans‐ mission is increasing, along with growing requirements for computing resources and storage capacity in centralized servers. In response to these challenges and to facilitate real‐time data processing while re‐ ducing network bandwidth consumption, the integration of edge computing has emerged as a promising avenue. This research paper focuses on merging edge computing with IoT applications, using a simula‐ tion platform called AdvantEdge. In this context, we delve deeper into the use of connectivity technolo‐ gies such as Wi‐Fi, 4G and 5G by user equipment (UE) to establish connections with edge infrastructure. The main goal is to solve problems related to latency and network bandwidth usage inherent in IoT ap‐ plications.

PDF ↗

Battery Lifetime and Power Consumption in 5G Systems with Intra- and Inter-RAT Dual-Connectivity

2024 · ARTICLE · en

The 5G millimeter wave (mmWave) New Radio (NR) systems are prone to blockage and micromobility effects. To improve service reliability, 3GPP proposed a dual-connectivity allowing UE to maintain links to two base stations (BS). However, this functionality is power-hungry resulting in a trade-off between performance and power efficiency. In this paper, we compare user equipment (UE) power efficiency, consumption, and battery lifetime for different intra- and inter-radio access technologies single- and dual-connectivity under different UE usage scenarios, micromobility, and blockage impairments. We evaluate five schemes: (i) BSs in FR1 and FR2 bands (NR-DC FR1/FR2), (ii) BSs in FR2 band (NR-DC FR2/FR2), and (iii) LTE BS and NR BS in FR2 band (EN-DC LTE/FR2), (iv) NR FR1, and (iv) LTE. Our results show that the LTE-only scheme provides three times longer battery lifetime as compared to its nearest rival – NR FR1 single-connectivity option. For dual-connectivity options, the best lifetime is observed for EN-DC FR2/LTE, and the worst – for NR-DC FR2/FR1. The difference between NR-DC FR2/FR1 and NR-DC FR2/FR2 schemes is negligible. Densification negatively affects all the dual-connectivity schemes as it forces UEs to switch between master and backup technologies more often. We recommend EN-DC FR2/LTE for low-traffic outage-sensitive applications, while NR-DC FR2/FR2 – for heavy-traffic outage non-sensitive applications

DOI ↗ PDF ↗

Курсы (4)