Оренбургский государственный университет

Хохлов Иван Артурович

Расписание преподавателя

Профессиональная переподготовка

• Разработчик веб-приложений (2023)

Повышение квалификации (за последние три года)

• Действия работников при террористической угрозе на объектах и территориях университета (2024)
• Разработка серверной части приложений PostgreSQL. Базовый курс (2024)

Преподаваемые дисциплины (за последние три учебных года)

• Анализ данных
• Дифференциальные уравнения и уравнения с частными производными
• Интеллектуальный анализ данных и визуализация
• Математические основы искусственного интеллекта
• Системы искусственного интеллекта
• Статистический анализ данных
• Технологии машинного обучения

Публикации преподавателя

1. Prediction of Dynamic Toxicity of Nanoparticles Using Machine Learning [Электронный ресурс] / I. Khokhlov, L. Legashev, I. Bolodurina, A. Shukhman, D. Shoshin, S. Kolesnik // Toxics,2024. - Vol. 12, Iss. 10. - P. 750. . - 22 с. In this article, we performed a comparative analysis of the current state of research in the field of nanoparticle toxicity analysis using machine learning methods; we trained a regression model for predicting the quantitative toxicity of nanoparticles depending on their concentration in the nutrient solution at a fixed point in time with the achieved metrics values of MSE = 2.19 and RMSE = 1.48; we trained a multi-class classification model for predicting the toxicity class of nanoparticles depending on their concentration in the nutrient solution at a fixed point in time with the achieved metrics values of Accuracy = 0.9756, Recall = 0.9623, F1-Score = 0.9640, and Log Loss = 0.1855.
   Электронный источник
2. База данных экспериментальных исследований биологической активности и токсичности ультрадисперсных частиц [Электронный ресурс] : свидетельство о гос. регистрации базы данных 2024625162 / А. Е. Шухман, И. П. Болодурина, И. А. Хохлов, С. В. Колесник; правообладатель Оренбург. гос. ун-т.- № 2024624976заявл. 06.11.2024опубл. 14.11.2024, 2024. - 1 с.
   Электронный источник
3. Комплекс моделей машинного обучения для прогнозирования токсичности наночастиц [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2024684086 / И. А. Хохлов, И. П. Болодурина, А. Е. Шухман, С. В. Колесник; правообладатель Оренбург. гос. ун-т.- № 2024681346заявл. 17.09.2024опубл. 14.10.2024, 2024. - 1 с.
   Электронный источник
4. Болодурина, И. П. Перспективы применения генеративных методов машинного обучения [Электронный ресурс] / И. П. Болодурина, И. А. Хохлов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 1-3 февр. 2024 г. / Оренбург. гос. ун-т ; ред. А. В. Зайцев. - Оренбург : ОГУ,2024. - . - С. 1688-1692. . - 5 с.
   Электронный источник
5. Программное средство для идентификации болезней сельскохозяйственных культур, вызванных плесневыми грибами "Агролаб" [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2024669828 / П. Л. Нирян, И. А. Хохлов, Е. С. Алешина; правообладатель общество с ограниченной ответственностью "Агролаб".- № 2024668540заявл. 07.09.2024опубл. 21.09.2024, 2024. - 1 с.
   Электронный источник
6. Программное средство по автоматическому подсчету колониеобразующих единиц в микробиологической практике "КОЕ" [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2024682704 / П. Л. Нирян, И. А. Хохлов, Е. С. Алешина; правообладатель общество с ограниченной ответственностью "КОЕ".- № 2024680471заявл. 04.09.2024опубл. 26.09.2024, 2024. - 1 с.
   Электронный источник
7. Болодурина, И. П. Исследование и создание интеллектуальной системы вопросно-ответной архитектуры целевой ориентации, основанной на методах глубокого обучения [Электронный ресурс] / И. П. Болодурина, И. А. Хохлов, Л. С. Гришина // Научно-технический вестник Поволжья,2023. - № 11. - С. 154-158. . - 5 с. Статья посвящена построению интеллектуальной автоматизированной вопросно-ответной системы для узкоспециализированных задач методами глубокого обучения с использованием реальных диалогов пользователей без определенной тематики, а также клиентов с сотрудниками колл-центра. Целью исследования является обзор классических архитектур моделей языковых интеллектуальных систем, построение и выбор наиболее адекватной из них. По итогу выполненной работы разработана вопросно-ответная система, выдающая адекватные ответы на вопросы пользователя, что является экономически выгодным решением для компании и удобным агентом для пользователя.
   Электронный источник
8. Исследование подходов к распознаванию именованных сущностей в русскоязычном тексте [Электронный ресурс] / И. П. Болодурина, И. А. Хохлов, Л. С. Гришина, А. Ю. Жигалов // Университетский комплекс как региональный центр образования, науки и культуры : сб. материалов Всерос. науч.-метод. конф., Оренбург, 26-27 янв. 2023 г. / Оренбург. гос. ун-т ; ред. А. В. Пыхтин. - Оренбург : ОГУ,2023. - . - С. 1252-1257. . - 6 с.
   Электронный источник
9. Применение алгоритма нечеткой логики Мамдани для оценки качества моделей искусственного интеллекта на основе имеющихся данных [Электронный ресурс] / С. Т. Дусакаева, М. П. Носарев, И. А. Хохлов, П. Л. Нирян // Современные технологии. Системный анализ. Моделирование,2023. - № 1 (77). - С. 170-180. . - 11 с. В статье рассмотрена актуальная проблема трудоемкости и высокой стоимости разработки систем или моделей искусственного интеллекта в связи с низким качеством используемых данных. Изучены виды и направления корреляционной связи между различными метриками качества данных и точности работы итоговой модели искусственного интеллекта. Отмечено, что в современном мире наблюдается проникновение искусственного интеллекта практически во все области человеческой деятельности: здравоохранение, агропродовольственная сфера, промышленность, творческие направления. Обоснована актуальность поставленной проблемы и проведен краткий обзор современных исследований, связанных с изучением взаимокорреляции качества данных и точности искусственного интеллекта. Указано, что плохие данные приводят к значительным финансовым потерям, повышают трудоемкость разработки систем или моделей искусственного интеллекта.
   Электронный источник
10. Хохлов, И. А. Разработка интеллектуальной вопросно-ответной системы для целеориентированных диалогов на основе методов глубокого обучения [Электронный ресурс] : выпускная квалификационная работа: направление подготовки 01.03.02 Прикладная математика и информатика / И. А. Хохлов. - Оренбург, 2023. - 53 с.
    Электронный источник
11. Разработка рекомендательной системы для поиска оптимального месторасположения парка в городской среде [Электронный ресурс] / С. Т. Дусакаева, П. Л. Нирян, М. П. Носарев, И. А. Хохлов // Информационные технологии и математическое моделирование в управлении сложными системами,2023. - № 1 (17). - С. 49-57. . - 9 с. В статье рассмотрена актуальная проблема выбора наиболее оптимального местонахождения и наполняемости парка в городской среде.
    Электронный источник
12. Система поддержки принятия врачебных решений описания снимка оптической когерентной томографии при динамическом наблюдении пациентов с патологией заднего отрезка глаза [Электронный ресурс] : свидетельство о гос. регистрации программы для ЭВМ 2023669676 / А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов, Л. С. Гришина, П. Л. Нирян, И. А. Хохлов; правообладатели А. Д. Чупров, И. П. Болодурина, А. О. Лосицкий, А. Ю. Жигалов.- № 2023664812заявл. 11.07.2023опубл. 19.09.2023, 2023. - 1 с.
    Электронный источник
13. Применение алгоритма нечеткой логики Мамдани для отбора игроков в футбольный клуб на предсезонных сборах [Электронный ресурс] / С. Т. Дусакаева, И. А. Хохлов, П. Л. Нирян, М. П. Носарев // Современные технологии. Системный анализ. Моделирование,2022. - № 1 (76). - С. 228-237. . - 10 с. В статье рассматриваются вопросы отбора игроков в футбольную команду в контексте решения актуальной проблемы подбора профессионального персонала в организации и на предприятия. Актуальность указанной проблемы обусловлена нестабильной политической обстановкой в мире, экономическими реформами и социальной адаптацией дипломированных специалистов
    Электронный источник

Сведения об образовании, ученых степенях, званиях, стаже работы, профессиональной переподготовке, повышении квалификации, читаемых дисциплинах и публикациях — из базы данных ИАС ОГУ