Авдошин Сергей Михайлович

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.

Monocular Depth Estimation Based on Active Learning

2026 · CHAPTER · en

Estimating depth is a necessary task to understand and navigate the environment surrounding us. Over the years, many active sensors have been developed to measure depth, but they are expensive and require additional space for mounting. A cheaper alternative is to estimate depth from a single RGB image taken by an ordinary monocular camera, which can be placed even inside the smartphone. However, it is a well-known problem that neural networks require huge amount of labeled data to be effectively learned. That fact serves a barrier to the further development of the monocular depth estimation. In this paper, we address this problem. We propose a novel active deep learning training framework that reduces the dataset volume ratio by adaptively selecting the most informative data for labeling that focus on the most relevant human vision features for monocular depth estimation, which help us identify the image pixels that are most relevant for depth estimation. Our methodology indicates that it is possible to reduce the amount of labeled training data by 81% and at the same time preserve the comparable accuracy on the KITTI Odometry dataset.

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.

Обзор методов верификации смарт-контрактов

2025 · ARTICLE · ru

Смарт-контракты — программные алгоритмы, которые представляют собой соглашение в цифровой форме с наличием механизма принуждения сторон к выполнению обязательств. Смарт-контракты уже крепко закрепились в сферах финансов, однако это не единственная возможная сфера применения. Недостаток такого цифрового соглашения заключается в том, что смарт-контракты могут содержать ошибки, потенциально приводящие к финансовым потерям. Процесс верификации проводится для того, чтобы снизить вероятность наличия таких ошибок к минимуму. В данной работе представлен обзор методов и инструментов в области верификации смарт-контрактов.

Application of Artificial Intelligence Towards Digital Government Establishment

2022 · CHAPTER · en

Анализ нейросетевых методов обнаружения компьютерных атак и наборов данных для их обучения

2022 · ARTICLE · ru

Рассматриваются подходы к обнаружению компьютерных атак, основанные на применении нейросетевых классификаторов. Обсуждаются проблемы обучения таких классификаторов. Рассматриваются наборы данных о компьютерных атаках для проводных и беспроводных систем. Приведены результаты оценки таких наборов по степени несбалансированности. Описаны проблемы обучения на несбалансированных наборах данных и подходы к балансировке обучающей выборки в случае редких атак, в том числе с помощью генеративно-состязательных сетей.

Platform for Tracking Donations of Charitable Foundations based on Blockchain Technology

2019 · CHAPTER · en

Bachelor Degree Program ”Software Engineering” in the Higher School of Economics: Background and Perspectives

2016 · CHAPTER · en

In our report we would like to share our ten-year experience in developing and implementing BS program in the continuously changing field of software engineering.

Технология проектного обучения программных инженеров

2013 · ARTICLE · ru

В статье рассмотрена технология проектного обучения в инженерном образовании. Проанализированы основные аспекты обучения программных инженеров, особенности формирования команд. Выделены положительные и отрицательные стороны проектного обучения. Описаны этапы выполнения работ. Технология апробирована в рамках дисциплины «Командный проект по программной инженерии» при реализации Open Source проектов, заказчиком которых стала ЗАО «РОСА».

Информатика и ИКТ: ЕГЭ: Учебно-справочные материалы

2012 · BOOK · ru

Пособие предназначено для отработки основных знаний и умений выпускников, необходимых для успешной сдачи ЕГЭ по информатике и ИКТ. Оно поможет систематизировать знания по предмету, сконцентрировать внимание на наиболее важных вопросах курса, выносимых на экзамен, а также правильно выстроить стратегию и тактику подготовки к ЕГЭ. Пособие содержит краткий теоретический курс среднего (полного) общеобразовательного уровня, представленный на основе кодификатора, разработанного Федеральным институтом педагогических измерений (ФИПИ). Каждый раздел сопровождается примерами типовых заданий разных уровней сложности.