BICA Lab

International Research Laboratory “Cognitive Architectures and Semantic Technologies”, Department of Cybernetics, National Research Nuclear University “Moscow Engineering Physics Institute” (MEPhI)

 

Head: Alexei V. Samsonovich, PhD
Members: Mikhail S. Burtsev (PhD), Sergey A. Dolenko (PhD), Anatoly A. Dolgikh, Ismail M. Gadzhiev, Igor V. Isaev, Valentin V. Klimov (PhD), Artemy A. Kotov (PhD), Anton V. Kudriashov, Aleksey O. Mikhnev, Zakhar A. Nosovets, Vladimir R. Shirokii, Daria V. Tikhomirova, Vadim L. Ushakov (PhD)
Street Address: Kashirskoe Shosse 31c46 Suite K-311, Moscow, 115409, Russian Federation
Mailing Address: Москва 115409, Каширское шоссе, дом 31, НИЯУ МИФИ, кафедра 22, профессор Самсонович А.В.
E-Mail: AVSamsonovich@mephi.ru

 

Темы УИР, дипломных и диссертационных работ - 2024

  • Долгих А.А. (диссертация). Разработка и исследование возможностей системы управления виртуальным актором, реализующей уровень социального поведения человека в ограниченных парадигмах.
  • Кудряшов А.В. (диссертация). Разработка интеллектуальной робототехнической системы на базе двухуровневой микросервисной архитектуры.
  • Гаврилов М.С. (диплом). Автоматическая генерация музыки с помощью библиотеки музыкальных фрагментов.
  • Михнев А.О. (диплом). Разработка платформы для изучения социальных взаимодействий человека и когнитивного агента с использованием игрового движка Unreal Engine 5.
  • Радостев Э.Р. (диплом). Разработка модуля считывания эмоциональных характеристик выражения лица для шлема виртуальной реальности.
  • Хабаров Д.Л. (диплом). Создание социально-приемлемого виртуального агента на основе интеграции когнитивного и нейросетевого подходов.
  • Чубчев Г.Г. (диплом). Разработка системы общего назначения на основе нейросетевых языковых моделей для распознавания интенциональности высказываний в диалогах на естественном языке.
  • Щербак И.В. (диплом). Виртуальный ассистент психолога, основанный на этических принципах с применением нейронных сетей.
  • Батсайхан Ш. (УИР). Разработка фреймворка для исследований социально-эмоциональных взаимодействий агентов.
  • Булыгин Ф.А. (УИР). Разработка технологии распознавания эмоций человека на сеансах видео связи (Skype, Zoom).
  • Нгуен Т.М. (УИР). Разработка системы общего назначения для анализа интенциональностей с помощью нейросетевых методов.
  • Колесников М.Л., Егоров В.А., Корнишев М.О. (практика). Simulation meeting between employer and applicants (Cocktail Party).

Результаты работ студентов - 2024

1 (Радостев). Развит подход к количественному определению в реальном времени эмоций и аффектов, выраженных в мимике, с помощью шлемов виртуальной реальности и их атрибутов. Подход использует обучаемый перцептрон, переводящий параметры конфигурации лица (Blendshapes) в координаты модели VAD.

2 (Радостев). Проведено исследование в парадигме игры типа Staring Game, где целью испытуемых было установить социальный контакт с виртуальным актором, взаимодействуя посредством мимики. Сравнивались варианты парадигмы, в которых в качестве партнера использовались (а) зеркальная копия конфигурации лица испытуемого, (б) VAD-копия, (в) модель на основе eBICA, (г) другой испытуемый, находящийся в другой комнате в аналогичных условиях с тем же заданием (испытуемые не знали, что партнером может быть живой человек). Испытуемые должны были оценить поведение партнера по социальным критериям. Наивысшую оценку получило зеркало (а). Живой партнер (г) оказался в числе наихудших.

3 (Хабаров, Нгуен, Чубчев) Построена и исследована семантическая карта интенциональностей высказываний в диалоге. Список интенциональностей был сгенерирован с помощью ChatGPT. Размерность была понижена с помощью ручной обработки и анализа главных компонент и сведена к 23. Разработан метод и система для определения интенциональностей высказываний на базе DistilBERT. Тестирование системы показало лучшие результаты по сравнению с ChatGPT.

4 (Хабаров). Воплощен разговорный агент на основе больших языковых моделей GPT и когнитивной модели диалога в парадигме "Конференция". Когнитивная модель агента построена согласно формализму eBICA с использованием семантических карт интенциональностей и моральных схем. Связь когнитивной модели с пользователем осуществлялась посредством GPT-3 и GPT-4, доступных через ChatGPT API. Было показано, что в случае одновременной беседы агента с несколькими собеседниками когнитивная модель дает существенные преимущества по сравнению с ChatGPT, получающим лишь исходные инструкции в виде промпта.

5 (Михнев). Результат (4) был далее улучшен путем визуализации виртуального агента на основе Unreal Engine 5 с включением невербальных модальностей (мимика, взгляд; двустороннее взаимодействие в этих модальностях не было реализовано). Было найдено, что оценки агента пользователем по нескольким социальным шкалам существенно улучшаются при одновременном включении двух факторов: когнитивной модели, управляющей поведением агента, и визуализации агента. Любого одного из этих двух факторов оказалось недостаточно.

6 (Щербак) Улучшенные результаты были достигнуты в парадигме "Виртуальный психолог". В отличие от прошлогодней работы Анисимовой, для классификации психотипов в данном случае использовалась дообученная модель rubert-tiny.

7 (Гаврилов). Реализован "Виртуальный синтезатор музыки" на основе библиотеки музыкальных фрагментов Apple Loops и и методов глубокого обучения (GAN). Хотя прямого отношения к целям гранта данная работа не имеет, в принципе есть возможность добавить контроль эмоциональности генерируемой музыки и его связь с поведением пользователя на основе eBICA, реализовав таким образом дополнительную модальность человеко-машинного социального взаимодействия.

8 (Булыгин) Реализована система для распознавания эмоций в выражении лица, считываемого веб-камерой, на основе дообученной сверточной нейросети VGG. Система работает в реальном времени, задержка может составлять доли секунды.

9 Нашей группой совместно с американскими коллегами разработана концепция Виртуального тьютора на основе интеграции формализмов когнитивной архитектуры eBICA и теории саморегулируемого обучения (SRL). Воплощение предполагает интеграцию когнитивной модели агента с визуализацией на базе Unreal Engine 5 и Unity 3D, включая набор микросервисов, производящих обработку вербальных и невербальных каналов многомодального взаимодействия с пользователем. В качестве парадигмы выбрано обучение написанию текстов статей или эссе на английском языке.

Publications on BICA Lab Projects

Alexei V. Samsonovich — Scopus-indexed papers since 2020 (as of June 20, 2024)

  • Dolgikh, A.A., and Samsonovich, A.V. (2024). A socially acceptable conversational agent based on cognitive modeling and machine learning. Studies in Computational Intelligence, 1130 LNCS, 312-322. https://doi.org/10.1007/978-3-031-50381-8_31
  • Gadzhiev, I., Makarov, A., Tikhomirova, D., Dolenko, S., and Samsonovich, A. (2024). Mapping action units to valence and arousal space using machine learning. Studies in Computational Intelligence, 1130 LNCS, 348-355. https://doi.org/10.1007/978-3-031-50381-8_35
  • Khabarov, D. and Samsonovich, A.V. (2024). Registrar: A social conversational agent based on cognitive and statistical models for a limited paradigm. Studies in Computational Intelligence, 1130 LNCS, 444-452. https://doi.org/10.1007/978-3-031-50381-8_46
  • Nazarko, M.Yu., Fedorov, K.A., and Samsonovich, A.V. (2024). Deep learning evolution: Using genetic algorithm to modify training datasets. Studies in Computational Intelligence, 1130 LNCS, 627-634. https://doi.org/10.1007/978-3-031-50381-8_66
  • Pavlenko, I.A., Zakirov, A.D., Yakovlev, A.N., and Samsonovich, A.V. (2024). A study of conversational intentionalities expressed in natural language using ChatGPT. Studies in Computational Intelligence, 1130 LNCS, 679-687. https://doi.org/10.1007/978-3-031-50381-8_73
  • Samsonovich, A. V., Liu, Z., and Liu, T. T. (2023). On the possibility of regulation of human emotions via multimodal social interaction with an embodied agent controlled by eBICA-based emotional interaction model. Lecture Notes in Computer Science, 13539, 374-383. https://doi.org/10.1007/978-3-031-19907-3_36.
  • Red'ko, V. G., Samsonovich, A. V., and Klimov, V. V. (2023). Computational modeling of insight processes and artificial cognitive ontogeny. Cognitive Systems Research, 78, 71-86. https://doi.org/10.1016/j.cogsys.2022.12.004.
  • Gadzhiev, I. M., Knyshenko, M. P., Dolenko, S. A., and Samsonovich, A. V. (2023). Inherent dimension of the affective space: Analysis using electromyography and machine learning. Cognitive Systems Research, 78, 96-105. https://doi.org/10.1016/j.cogsys.2022.12.008.
  • Samsonovich, A. V., Sidorov, A., and Inozemtsev, A. (2023). On relation between facial expressions and emotions. Lecture Notes in Computer Science, 13921, 217-221. https://doi.org/10.1007/978-3-031-33469-6_22
  • Samsonovich, A. V., Shumsky, S. A., Karpov, V. E., Kotov, A. A., and Kolonin, A. G. (2022). Key Advanced Research Initiative: A Manifesto for the New-Generation Artificial Intelligence. Procedia Computer Science, 213, 824-831. https://doi.org/10.1016/j.procs.2022.11.140.
  • Samsonovich, A. V., Dodonov, A. D., Klychkov, M. D., Budanitsky, A. V., Grishin, I. A., and Anisimova, A. S. (2022). A virtual clown behavior model based on Emotional Biologically Inspired Cognitive Architecture. Studies in Computational Intelligence, 1008, 99-108. https://doi.org/10.1007/978-3-030-91581-0_14.
  • Samsonovich, A. V. (2022). A virtual actor behavior model based on Emotional Biologically Inspired Cognitive Architecture. Lecture Notes in Computer Science, 13154, 221-227. https://doi.org/10.1007/978-3-030-93758-4_23.
  • Samsonovich, A. V. (2022). One possibility of a neuro-symbolic integration. Studies in Computational Intelligence, 1032, 428-437. https://doi.org/10.1007/978-3-030-96993-6_47.
  • Kuzmin, A. I., Semyonov, D. A., and Samsonovich, A. V. (2022). Classification and generation of virtual dancer social behaviors based on deep learning in a simple virtual environment paradigm. Studies in Computational Intelligence, 1032, 231-242. https://doi.org/10.1007/978-3-030-96993-6_23.
  • Chu, Y., Liu, Z., Liu, T., Samsonovich, A. V., and Chai, Y. (2022). Physical simulation of oscillation and falling effects of objects in indoor earthquake scenarios. Visual Computer, 38(9-10), 3513-3523. https://doi.org/10.1007/s00371-022-02558-3.
  • Anisimova, A. S., Potemkina, A., Chervakov, P., Komza, V., Maksimov, D., Panin, I., Vaselyuk, A., and Samsonovich, A. V. (2022). Artificial Psychologist: An intelligent virtual/robotic assistant based on a cognitive modeling framework. Procedia Computer Science, 213, 793-800. https://doi.org/10.1016/j.procs.2022.11.136.
  • Anisimova, A. S., Mikhnev, A. O., Tsarkov, V. S., Dolgikh, A. A., and Samsonovich, A. V. (2022). A socially emotional virtual registrar based on eBICA and Deep Learning. Procedia Computer Science, 213, 738-746. https://doi.org/10.1016/j.procs.2022.11.128.
  • Tsarkov, V. S., Enikeev, V. A., and Samsonovich, A. V. (2021). Toward a socially acceptable model of emotional artificial intelligence. Procedia Computer Science, 190, 771-788. https://doi.org/10.1016/j.procs.2021.06.090.
  • Shirokiy, V. R., Tikhomirova, D. V., Vladimirov, R. D., Dolenko, S. A., and Samsonovich, A. V. (2021). The loop of nonverbal communication between human and virtual actor: Mapping between spaces. Advances in Intelligent Systems and Computing, 1310, 484-489. https://doi.org/10.1007/978-3-030-65596-9_58.
  • Samsonovich, A. V., and Eidlin, A. A. (2021). A proposal for modeling cognitive ontogeny based on the brain-inspired generic framework for social-emotional intelligent actors. Procedia Computer Science, 186, 449-455. https://doi.org/10.1016/j.procs.2021.04.165.
  • Samsonovich, A. V., and Chubarov, A. A. (2021). Virtual Convention Center: A socially emotional online/VR conference platform. Advances in Intelligent Systems and Computing, vol 1310, 435-445. https://doi.org/10.1007/978-3-030-65596-9_52.
  • Samsonovich, A. (2021). Storage capacity of quantum neural networks [Book Chapter]. In World Congress on Neural Networks 2021, 2, II.804-II.807. Taylor and Francis. https://www.scopus.com/inward/record.uri?eid=2-s2.0-60849096855&partnerID=40&md5=d0abf66ee54d01e214ff16883e611440.
  • Karabelnikova, Y., and Samsonovich, A. V. (2021). Virtual partner dance as a paradigm for empirical study of cognitive models of emotional intelligence. Procedia Computer Science, 190: 414-433. https://doi.org/10.1016/j.procs.2021.06.050.
  • Veselov, N. O., Chubarov, A. A., Roshchin, M. N., Marder, L. M., Segal, S. M., and Samsonovich, A. V. (2020). Emotional BICA for non-player characters: New empirical data. Procedia Computer Science, 169, 412-422. https://doi.org/10.1016/j.procs.2020.02.238.
  • Ushakov, V. L., Orlov, V. A., Kartashov, S. I., Shigeev, S. V., and Samsonovich, A. V. (2020). Neuro-correlates of the eBICA model. Advances in Intelligent Systems and Computing, 948, 532-537. https://doi.org/10.1007/978-3-030-25719-4_69.
  • Tikhomirova, D. V., Zavrajnova, M. V., Rodkina, E. A., Musayeva, Y., and Samsonovich, A. V. (2020). Psychological portrait of a virtual agent in the teleport game paradigm. Lecture Notes in Computer Science, 12177, 327-336. https://doi.org/10.1007/978-3-030-52152-3_35.
  • Tikhomirova, D. V., Chubarov, A. A., and Samsonovich, A. V. (2020). Empirical and modeling study of emotional state dynamics in social videogame paradigms. Cognitive Systems Research, 60, 44-56. https://doi.org/10.1016/j.cogsys.2019.12.001.
  • Samsonovich, A. V., Chubarov, A. A., Tikhomirova, D. V., and Eidln, A. A. (2020). Toward a general believable model of human-analogous intelligent socially emotional behavior. Lecture Notes in Computer Science, 12177, 301-305. https://doi.org/10.1007/978-3-030-52152-3_31.
  • Samsonovich, A. V. (2020). Socially emotional brain-inspired cognitive architecture framework for artificial intelligence. Cognitive Systems Research, 60, 57-76. https://doi.org/10.1016/j.cogsys.2019.12.002.
  • Kostenko, D. O., Mashtak, I. A., Fomin, D. D., Mashtak, D. V., Razheva, A. V., Kim, N. V., and Samsonovich, A. V. (2020). Creative virtual composer assistant based on the eBICA framework. Procedia Computer Science, 169, 606-614. https://doi.org/10.1016/j.procs.2020.02.203.
  • Eidlin, A. A., Chubarov, A. A., and Samsonovich, A. V. (2020). Virtual Listener: Emotionally-intelligent assistant based on a cognitive architecture. Advances in Intelligent Systems and Computing, 948, 73-82. https://doi.org/10.1007/978-3-030-25719-4_10.
  • Chubarov, A. A., Tikhomirova, D. V., Shirshova, A. V., Veselov, N. O., and Samsonovich, A. V. (2020). Virtual Listener: A Turing-like test for behavioral believability. Procedia Computer Science, 169, 892-899. https://doi.org/10.1016/j.procs.2020.02.146.

Scopus-indexed papers supported by BICA Lab grants not including Samsonovich as a co-author

  • Kudriashov, A. V. (2024). Robotic Customer Service System ALKETON. Studies in Computational Intelligence, 1130 LNCS, 495-503. https://doi.org/10.1007/978-3-031-50381-8_52
  • Nosovets Z.A., Ushakov V.L., Zaidelman L.Y., Kotov A.A. (2023). System of methods and algorithms for comprehensive neurosemantic mapping of the human brain. Cognitive Systems Research, 82, 101122, https://doi.org/10.1016/j.cogsys.2023.05.011
  • Kuzevanov V.O., Tikhomirova D.V. (2024). Visualization and classification of human movements based on skeletal structure: A neural network approach to sport exercise analysis and comparison of methodologies. Scientific Visualization, 16 (2): 67-80. https://doi.org/10.26583/sv.16.2.06
  • Efitorov, A., Shirokii, V., Orlov, V., Ushakov, V., Dolenko, S. (2021). The Solution to the Problem of Classifying High-Dimension fMRI Data Based on the Spark Platform. Studies in Computational Intelligence, 925 SCI, pp. 58-64. https://doi.org/10.1007/978-3-030-60577-3_6
  • Saakian, D.B., Red'ko, V.G. The model of a simple self-reproducing system (2021) Cognitive Systems Research, 65, pp. 17-22. https://doi.org/10.1016/j.cogsys.2020.09.003
  • Feng, C., Zhu, Z., Cui, Z., Ushakov, V., Dreher, J.-C., Luo, W., Gu, R., Wu, X., Krueger, F. Prediction of trust propensity from intrinsic brain morphology and functional connectome (2021) Human Brain Mapping, 42 (1), pp. 175-191. https://doi.org/10.1002/hbm.25215
  • Kozlov, S., Poyda, A., Orlov, V., Malakhov, D., Ushakov, V., Sharaev, M. Selection of functionally homogeneous brain regions based on correlation-clustering analysis (2020) Procedia Computer Science, 169, pp. 519-526. https://doi.org/10.1016/j.procs.2020.02.215
  • Kozhukhov, S.A., Ivanov, R.S., Bugrova, V.S., Verkhlyutov, V.M., Ushakov, V.L. Functional asymmetry of local connections in V1 and its impact on orientation tuning (2020) Procedia Computer Science, 169, pp. 620-639. https://doi.org/10.1016/j.procs.2020.02.201
  • Skiteva, L., Ushakov, V., Ossadtchi, A. Comparison of cross-frequency methods such as cross-term deprived covariance (CTDC) and bispectrum (2020) Procedia Computer Science, 169, pp. 881-886. https://doi.org/10.1016/j.procs.2020.02.148
  • Vartanov, A., Ivanov, V., Vartanova, I. Facial expressions and subjective assessments of emotions (2020) Cognitive Systems Research, 59, pp. 319-328. https://doi.org/10.1016/j.cogsys.2019.10.005
  • Kartashov, S., Ushakov, V., Orlov, V. Dynamic Parameters of the Diffusion in Human Brain White Matter During Cognitive Tasks (2020) Advances in Intelligent Systems and Computing, 948, pp. 173-178. https://doi.org/10.1007/978-3-030-25719-4_22
  • Orlov, V.A., Kholodny, Y.I., Kartashov, S.I., Malakhov, D.G., Kovalchuk, M.V., Ushakov, V.L. Application of Registration of Human Vegetative Reactions in the Process of Functional Magnetic Resonance Imaging (2020) Advances in Intelligent Systems and Computing, 948, pp. 393-399. https://doi.org/10.1007/978-3-030-25719-4_51
  • Chubarov, A.A. Experimental Platform Based on a Virtual Environment for Advanced Study of the Social Behavior of Actors (2020) Advances in Intelligent Systems and Computing, 948, pp. 60-72. https://doi.org/10.1007/978-3-030-25719-4_9
  • Fetisova, A.A., Vartanov, A.V. Significance of Emotional Context While Performing Semantic Tasks (2020) Advances in Intelligent Systems and Computing, 948, pp. 94-98. https://doi.org/10.1007/978-3-030-25719-4_12
  • Chernyshov, A., Balandina, A., Klimov, V. Overview of Natural Language Processing Approaches in Modern Search Engines (2020) Advances in Intelligent Systems and Computing, 948, pp. 54-59. https://doi.org/10.1007/978-3-030-25719-4_8
  • Maksimova, A., Klimov, V., Antonov, N. Development of Graph-Theoretical Model and Operations on Graph Representations of Ontologies as Applied to Information Retrieval Tasks (2020) Advances in Intelligent Systems and Computing, 948, pp. 340-345. https://doi.org/10.1007/978-3-030-25719-4_43
  • Korosteleva, A., Ushakov, V., Orlov, V., Stroganova, T., Velichkovskiy, B. Neurophysiological Correlators of Semantic Features (2020) Advances in Intelligent Systems and Computing, 948, pp. 240-245. https://doi.org/10.1007/978-3-030-25719-4_31
  • Krysko, M.D., Vartanov, A.V., Vartanova, I.I., Klimov, V.V. Subjective Perception Space of Musical Passages (2020) Advances in Intelligent Systems and Computing, 948, pp. 266-276. https://doi.org/10.1007/978-3-030-25719-4_34
  • Orlov, V.A., Ushakov, V.L., Kozlov, S.O., Enyagina, I.M., Poyda, A.A. A Review of Method and Approaches for Resting State fMRI Analyses (2020) Advances in Intelligent Systems and Computing, 948, pp. 400-404. https://doi.org/10.1007/978-3-030-25719-4_52
  • Knyazeva, I., Efitorov, A., Boytsova, Y., Danko, S., Shiroky, V., Makarenko, N. Single trial eeg classification of tasks with dominance of mental and sensory attention with deep learning approach (2019) Studies in Computational Intelligence, 799, pp. 190-195. https://doi.org/10.1007/978-3-030-01328-8_21
  • Fetisova, A.A., Vartanov, A.V. Semantic space and homonymous words
  • (2019) Studies in Computational Intelligence, 799, pp. 250-256. https://doi.org/10.1007/978-3-030-01328-8_30
  • Dorokhov, V.B., Malakhov, D.G., Orlov, V.A., Ushakov, V.L. Experimental Model of Study of Consciousness at the Awakening: FMRI, EEG and Behavioral Methods (2019) Advances in Intelligent Systems and Computing, 848, pp. 82-87. https://doi.org/10.1007/978-3-319-99316-4_11
  • Korosteleva, A., Mishulina, O., Ushakov, V. Information Approach in the Problems of Data Processing and Analysis of Cognitive Experiments (2019) Advances in Intelligent Systems and Computing, 848, pp. 180-186. https://doi.org/10.1007/978-3-319-99316-4_24
  • Kartashov, S., Ponomarenko, N., Ushakov, V. The Concept of Functional Tractography Method for Cognitive Brain Studies (2019) Advances in Intelligent Systems and Computing, 848, pp. 162-164. https://doi.org/10.1007/978-3-319-99316-4_21
  • Ushakov, V.L., Malakhov, D.G., Orlov, V.A., Kartashov, S.I., Kholodny, Y.I. Research of Neurocognitive Mechanisms of Revealing of the Information Concealing by the Person (2019) Advances in Intelligent Systems and Computing, 848, pp. 310-315. https://doi.org/10.1007/978-3-319-99316-4_41
  • Saakian, D.B., Red'Ko, V.G. Model of interaction between learning and evolution. Computer simulation and analytical results (2018) Biologically Inspired Cognitive Architectures, 26, pp. 96-102. https://doi.org/10.1016/j.bica.2018.09.002
  • Chubarov, A., Azarnov, D. Modeling behavior of virtual actors: A limited turing test for social-emotional intelligence (2018) Advances in Intelligent Systems and Computing, 636, pp. 34-40. https://doi.org/10.1007/978-3-319-63940-6_5
  • Kartashov, S., Ushakov, V., Maslennikova, A., Sboev, A., Selivanov, A., Moloshnikov, I., Velichkovsky, B. Human brain structural organization in healthy volunteers and patients with schizophrenia (2018) Advances in Intelligent Systems and Computing, 636, pp. 87-90. https://doi.org/10.1007/978-3-319-63940-6_12
  • Korosteleva, A., Mishulina, O., Ushakov, V., Skripko, O. Informative characteristics of brain activity to diagnose functional disorders in people with stuttering (2018) Advances in Intelligent Systems and Computing, 636, pp. 101-106. https://doi.org/10.1007/978-3-319-63940-6_14
  • Chernyshov, A., Balandina, A., Kostkina, A., Klimov, V. Intelligent search system for huge non-structured data storages with domain-based natural language interface (2018) Advances in Intelligent Systems and Computing, 636, pp. 27-33. https://doi.org/10.1007/978-3-319-63940-6_4
  • Red’ko, V.G. Model of interaction between learning and evolution (2018) Advances in Intelligent Systems and Computing, 636, pp. 145-150. https://doi.org/10.1007/978-3-319-63940-6_20
  • Korosteleva, A., Ushakov, V., Malakhov, D., Velichkovsky, B. Event-related fmri analysis based on the eye tracking and the use of ultrafast sequences (2018) Advances in Intelligent Systems and Computing, 636, pp. 107-112. https://doi.org/10.1007/978-3-319-63940-6_15
  • Skiteva, L.I., Ushakov, V.L., Verkhlyutov, V.M. Analysis of Resting State according to the data of magnetoencephalography (2018) Procedia Computer Science, 145, pp. 520-525. https://doi.org/10.1016/j.procs.2018.11.116
  • Ushakov, V.L., Sharaev, M.G., Malashenkova, I.K., Krynskiy, S.A., Kartashov, S.I., Orlov, V.A., Malakhov, D.G., Hailov, N.A., Ogurtsov, D.P., Zakharova, N.V., Didkovsky, N.A., Maslennikova, A.V., Arkhipov, A.Y., Strelets, V.B., Arsalidou, M., Velichkovsky, B.M., Kostyuk, G.P. Basic cognitive architectures and neuroimmune serum biomarkers in schizophrenia (2018) Procedia Computer Science, 145, pp. 596-603. https://doi.org/10.1016/j.procs.2018.11.097
  • Efitorov, A., Orlov, V., Ushakov, V., Shirokiy, V., Dolenko, S. Comparison of nonlinear methods of motion correction in fMRI data (2018) Procedia Computer Science, 145, pp. 188-192. https://doi.org/10.1016/j.procs.2018.11.038
  • Ushakov, V.L., Orlov, V.A., Kartashov, S.I., Malakhov, D.G. Ultrafast fMRI sequences for studying the cognitive brain architectures (2018) Procedia Computer Science, 145, pp. 581-589. https://doi.org/10.1016/j.procs.2018.11.099
  • Saakian, D.B., Red'ko, V.G. Sysers: The important model of self-reproducing system (2018) Biologically Inspired Cognitive Architectures, 24, pp. 115-121. https://doi.org/10.1016/j.bica.2018.04.010
  • Knyazeva, I., Poyda, A., Orlov, V., Verkhlyutov, V., Makarenko, N., Kozlov, S., Velichkovsky, B., Ushakov, V. Resting state dynamic functional connectivity: Network topology analysis (2018) Biologically Inspired Cognitive Architectures, 23, pp. 43-53. https://doi.org/10.1016/j.bica.2017.10.001
  • Red'ko, V.G. Mechanisms of interaction between learning and evolution (2017) Biologically Inspired Cognitive Architectures, 22, pp. 95-103. https://doi.org/10.1016/j.bica.2017.10.002
  • Red'Ko, V.G. Epistemological foundations of investigation of cognitive evolution (2016) Biologically Inspired Cognitive Architectures, 18, pp. 105-115. https://doi.org/10.1016/j.bica.2016.10.001
  • Chernyshov, A., Balandina, A., Kostkina, A., Klimov, V. Intelligence Search Engine and Automatic Integration System for Web-Services and Cloud-Based Data Pro-viders Based on Semantics (2016) Procedia Computer Science, 88, pp. 272-276. https://doi.org/10.1016/j.procs.2016.07.434
  • Sorokin, A.Y., Burtsev, M.S. Functional Systems Network Outperforms Q-learning in Stochastic Environment (2016) Procedia Computer Science, 88, pp. 397-402. https://doi.org/10.1016/j.procs.2016.07.455
  • Balandina, A., Kostkina, A., Chernyshov, A., Shchukin, B., Klimov, V. Particular Qualities of the Semantic Web Training Course (2016) Procedia Computer Science, 88, pp. 277-281. https://doi.org/10.1016/j.procs.2016.07.435
  • Orlov, V., Gvozdeva, A., Zavyalova, V., Ushakov, V., Andreeva, I. Neural Substrates of the Auditory Motion Aftereffect: A Functional MRI Study (2016) Procedia Computer Science, 88, pp. 282-287. https://doi.org/10.1016/j.procs.2016.07.436
  • Red'Ko, V.G., Burtsev, M.S. Modeling of Mechanism of Plan Formation by New Caledonian Crows (2016) Procedia Computer Science, 88, pp. 403-408. https://doi.org/10.1016/j.procs.2016.07.456
  • Parunakian, D., Efitorov, A., Shirokii, V. Analysis of Mercury's Magnetosphere States based on MESSENGER data by Kohonen Neural Network and other Clustering Algorithms (2016) Procedia Computer Science, 88, pp. 499-504. https://doi.org/10.1016/j.procs.2016.07.471
  • Red'Ko, V.G., Sharipova, T.I., Beskhlebnova, G.A. Modeling of Searching Agent Behavior by Means of Neural Gas (2016) Procedia Computer Science, 88, pp. 409-414. https://doi.org/10.1016/j.procs.2016.07.457
  • Balandina, A., Chernyshov, A., Klimov, V., Kostkina, A. Usage of language particularities for semantic map construction: Affixes in Russian language (2016) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9719, pp. 731-738. https://doi.org/10.1007/978-3-319-40663-3_84
  • Red’ko, V.G. Modeling of cognitive evolution: Agent-based investigations in cognitive science (2016) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 9719, pp. 720-730. https://doi.org/10.1007/978-3-319-40663-3_83
  • Knyazeva, I., Orlov, V., Ushakov, V., Makarenko, N., Velichkovsky, B. On alternative instruments for the fMRI data analysis: General linear model versus algebraic topology approach (2016) Advances in Intelligent Systems and Computing, 449, pp. 107-113. https://doi.org/10.1007/978-3-319-32554-5_14
  • Skiteva, L., Trofimov, A., Ushakov, V., Malakhov, D., Velichkovsky, B.M. MEG data analysis using the empirical mode decomposition method (2016) Advances in Intelligent Systems and Computing, 449, pp. 135-140. https://doi.org/10.1007/978-3-319-32554-5_18
  • Volkov, D., Mishulina, O. The approach to modeling of synchronized bursting in neuronal culture using a mathematical model of a neuron with autoregulation mechanism (2016) Advances in Intelligent Systems and Computing, 449, pp. 257-263. https://doi.org/10.1007/978-3-319-32554-5_33
  • Orlov, V., Kartashov, S., Ushakov, V., Korosteleva, A., Roik, A., Velichkovsky, B., Ivanitsky, G. ”Cognovisor” for the human brain: Towards mapping of thought processes by a combination of fMRI and eye-tracking (2016) Advances in Intelligent Systems and Computing, 449, pp. 151-157. https://doi.org/10.1007/978-3-319-32554-5_20
  • Sokhova, Z.B., Red’ko, V.G. Agent-based model of interactions in the community of investors and producers (2016) Advances in Intelligent Systems and Computing, 449, pp. 235-240. https://doi.org/10.1007/978-3-319-32554-5_30
  • Sharaev, M., Ushakov, V., Velichkovsky, B. Causal interactions within the default mode network as revealed by low-frequency brain fluctuations and information transfer entropy (2016) Advances in Intelligent Systems and Computing, 449, pp. 213-218. https://doi.org/10.1007/978-3-319-32554-5_27
  • Degterev, A., Burtsev, M. Simulation of learning in neuronal culture (2016) Advances in Intelligent Systems and Computing, 449, pp. 47-52. https://doi.org/10.1007/978-3-319-32554-5_7
  • Sokolov, I., Azieva, A., Burtsev, M. Patterns of spiking activity of neuronal networks in vitro as memory traces (2016) Advances in Intelligent Systems and Computing, 449, pp. 241-247. https://doi.org/10.1007/978-3-319-32554-5_31
  • Red’ko, V.G. Models of autonomous cognitive agents (2016) Advances in Intelligent Systems and Computing, 449, pp. 9-15. https://doi.org/10.1007/978-3-319-32554-5_2
  • Klimov, V., Chernyshov, A., Balandina, A., Kostkina, A. A new approach for semantic cognitive maps creation and evaluation based on affix relations (2016) Advances in Intelligent Systems and Computing, 449, pp. 99-105. https://doi.org/10.1007/978-3-319-32554-5_13
  • Zavyalova, V., Knyazeva, I., Ushakov, V., Poyda, A., Makarenko, N., Malakhov, D., Velichkovsky, B. Dynamic clustering of connections between fMRI resting state networks: A comparison of two methods of data analysis (2016) Advances in Intelligent Systems and Computing, 449, pp. 265-271. https://doi.org/10.1007/978-3-319-32554-5_34
  • Red'Ko, V.G. Modeling of Cognitive Evolution: Perspective Direction of Interdisciplinary Investigation (2015) Procedia Computer Science, 71, pp. 215-220. https://doi.org/10.1016/j.procs.2015.12.207
  • Red'Ko, V.G., Nepomnyashchikh, V.A. Model of Plan Formation by New Caledonian Crows (2015) Procedia Computer Science, 71, pp. 248-253. https://doi.org/10.1016/j.procs.2015.12.221
  • Mishulina, O., Sukonkin, I. Structural Analysis of Human Eye Movement Trajectory (2015) Procedia Computer Science, 71, pp. 221-226. https://doi.org/10.1016/j.procs.2015.12.209