Моттль, Вадим Вячеславович

Вадим Вячеславович Моттль
Российский учёный, математик, доктор технических наук, профессор
Дата рождения	21 августа 1945(1945-08-21)
Дата смерти	12 ноября 2020(2020-11-12) (75 лет)
Страна	СССР  Россия
Род деятельности	математик
Научная сфера	Анализ данных
Место работы	вед.науч.сотр.ВЦ РАН, профессор МФТИ, профессор- консультантТулГУ
Учёная степень	Доктор технических наук
Учёное звание	профессор

Вади́м Вячесла́вович Мо́ттль (родился 21 августа 1945) - российский математик, доктор технических наук, ведущий научный сотрудник ВЦ РАН, профессор кафедры «Интеллектуальные системы» Московского физико-технического института, профессор-консультант Тульского государственного университета (ТулГУ).

Биография

В 1968 году окончил Тульский политехнический институт (в настоящее время ТулГУ) и, как отличник, Ленинский стипендиат, был принят на работу на кафедру Автоматики и телемеханики в должности ассистента. Предметом его научных исследований стала теория автоматического управления и прикладные вопросы управления технологическими процессами. Нужды решения практических задач получения информации о текущем состоянии объектов управления в сложных химических и металлургических процессах привели к проблематике структурного анализа сигналов, на много лет определившей тематику научной деятельности.

В 1973 году В.В. Моттль поступил в заочную аспирантуру Института проблем управления АН СССР (ИПУ РАН), одновременно продолжая вести преподавательскую и научно-исследовательскую деятельность в Тульском политехническом институте в области структурного анализа сигналов.

В 1979 году В.В. Моттль защитил кандидатскую диссертацию в (ИПУ РАН) на тему «Метод частичной аппроксимации в структурном анализе экспериментальных кривых» и был избран на должность доцента, в которой работал до 1994 года. За этот период разработал ряд лекционных курсов для студентов, обучавшихся на кафедре автоматики и телемеханики: «Моделирование систем управления», «Математическая теория систем», «Теория вероятностей», «Методы вычислений», «Методы оптимизации», а также курсы для магистрантов и аспирантов «Марковские модели для анализа сигналов и изображений», «Распознавание образов».

В 1994 году. В.В. Моттль защитил докторскую диссертацию в (ИПУ РАН) на тему «Марковские модели и методы распознавания образов в сигналах с изменяющимися вероятностными свойствами» и получил ученую степень доктора технических наук. С этого же года работает в должности профессора в Тульском государственном университете (ТулГУ).

В.В. Моттль организовал и возглавил научно-исследовательскую группу «Лаборатория анализа данных» на кафедре Автоматики и телемеханики ТулГУ, которая занимается теоретическими проблемами анализа сигналов и изображений, включая проблему распознавания образов, а также решает прикладные задачи, в частности, такие как анализ стереопар изображений, анализ массивов данных сейсмических разведки месторождений нефти и газа, распознавание пространственной структуры белков по последовательностям аминокислот, составляющих их полимерные молекулы, идентификация личности по фотопортрету, отпечаткам пальцев и динамике подписи.

В 2003 году В.В. Моттль был приглашен в Вычислительный центр Российской академии наук и на должность профессора кафедры "Интеллектуальные системы" Московского Физико-технического института, переехал в Москву, продолжая сотрудничать с ТулГУ как профессор-совместитель и возглавлять лабораторию анализа данных. С 2013 года является профессором-консультантом ТулГУ.

За время преподавания в МФТИ В.В. Моттль создал на его базе новую научную школу, которая работает в тесном сотрудничестве с Лабораторией анализа данных ТулГУ в части организации совместных научных исследований, публикаций, выполнения грантов.

Под его руководством защищены две докторские и восемь кандидатских диссертаций, причем ученики, ставшие самостоятельными учеными, сами выпускают кандидатов наук.

Как сам В.В. Моттль, так и его ученики, постоянно получают поддержку своих исследований по научным грантам (РФФИ, INTAS), что позволяет им ежегодно участвовать в российских и международных научных конференциях и семинарах в США, Великобритании, Германии, Чехии, Италии, Канаде, Австрии, Голландии, Гонконге, Египте, Кипре, Тайване, Японии, Украине, Белоруссии. В частности, доклад О.В. Красоткиной и В.В. Моттля на Международной научной конференции по распознаванию образов в 2010 году в Инсбруке, Австрия, был отмечен дипломом за лучшую научную статью в трудах конференции.

В.В. Моттль - член диссертационного совета Д 002.017.02 в ВЦ РАН, член программного комитета Всероссийской конференции "Математические методы распознавания образов", член программного комитета Международной конференции по распознаванию образов в биоинформатике (Неймеген, Нидерланды, 2010), член технического совета (TC-20) по распознаванию образов в биоинформатике, рецензент статей научных журналов в области интеллектуального анализа данных, рецензент заявок на гранты РФФИ.

Область научных интересов

Теоретические исследования:
Математические методы анализа данных произвольной природы.

Прикладные исследования:
Биометрическая идентификация личности, классификация аминокислотных последовательностей белков, оценивание скрытого состава инвестиционного портфеля, анализ данных периодических опросов населения, контроль состояния железнодорожного пути и подвижного состава.

Монография

Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: Наука, 1999, 352 с.

Патенты на изобретения

• Пневматический релейный регулятор. База патентов СССР. Патент № 477392. Опубликовано: 15.07.1975.

• Способ определения положения рабочего конца электрода в bahhe руднотермической электропечи. База патентов СССР. Патент № 811510. Опубликовано: 07.03.1981.

• Способ определения толщины коксового слоя в ванне руднотермической электропечи. База патентов СССР. Патент № 955537. Опубликовано: 30.08.1982.

Публикации

В.В. Моттль имеет более 200 публикаций в Российских и зарубежных изданиях.

Основные публикации:

1.             Моттль В.В., Малов Д.И., Литвинов А.Х., Вильский Е.В. Математическое описание процесса синтеза метилхлорсиланов в кипящем слое кремнемедного сплава. Автоматические системы оптимального управления технологическими процессами. Тула: ТПИ, 1970, вып. 1, с. 25-29. 

2.             Моттль В.В., Фомичев А.А., Фатуев В.А., Малов Д.И., Литвинов А.Х. Система автоматического управления процессом синтеза метилхлорсиланов. Автоматические системы оптимального управления технологическими процессами. Тула: ТПИ, 1970, вып. 2, с. 37-43.

3.             Моттль В.В., Фомичев А.А., Войницкий В.Ю.Пневматический импульсный регулятор. Тезисы докладов XI Всесоюзного совещания по пневмоавтоматике. Воронеж, 1971, с. 156-157.

4.             Моттль В.В., Фомичев А.А., Малов Д.И. Система автоматического управления уровнем контактной массы. Информационный листок № 46-72. Липецкий ЦНТИ, 1972.

5.             Моттль В.В., Фомичев А.А., Струкова Г.А. Многорядная стохастическая модель одного класса объектов. Труды Второй межвузовской конференции “Достижения и перспективы развития технической кибернетики”. Москва, МВТУ, 1972, с. 88-90.

6.             Моттль В.В., Фомичев А.А Дискретная модель динамики объекта с неполной информацией при широтно-импульсной модуляции управления. Современные проблемы управления. Под ред. Я.З. Цыпкина. М.: Наука, 1974, с. 213-222.

7.             Моттль В.В., Войницкий В.Ю., Фомичев А.А., Малов Д.И., Федотов Ю.Ф. Пневматический релейный регулятор. А.с. 477392 (СССР). Опубл. 21.03.1975 г.

8.             Моттль В.В., Ослон А.А., Яковлев В.Г. Некоторые формальные постановки задачи сегментации экспериментальных кривых. Актуальные вопросы теории и практики управления. Под ред. Я.З. Цыпкина. М.: Наука, 1977, с. 155-169.

9.             Моттль В.В., Бородкин Л.И. Алгоритмы обнаружения моментов изменения параметров уравнения случайного процесса. Автоматика и телемеханика, 1976, № 6, с.23-32.

10.        Моттль В.В. Метод частичной аппроксимации в задаче выделения информативных участков экспериментальных кривых. Автоматика и телемеханика, 1977, № 1, 28-38.

11.        Моттль В.В., Фомичев А.А. Анализ существующих подходов к моделированию процессов в кипящем слое с позиций управления. Автоматические системы оптимального управления технологическими процессами. Тула: ТПИ, 1977, с. 83-92.

12.        Моттль В.В., Богатский А.В., Камалов Г.Л., Лукьяненко В.Г. Яковлев В.Г. Локальные методы выделения информативных участков ИК-спектров сложных органических соединений. Тезисы докладов III Всесоюзного семинара по применению вычислительных машин в спектроскопии молекул. Новосибирск, 1975, с. 103-104.

13.        Моттль В.В., Богатский А.В., Камалов Г.Л., Лукьяненко В.Г., Мучник И.Б. Алгортмы интерпретации инфракрасных спектров на основе метода частичной аппроксимации. Тезисы докладов IV Всесоюзной конференции по использованию вычислительных машин в спектроскопии молекул. Новосибирск, 1977, с. 231-232.

14.        Моттль В.В. Система программ анализа инфракрасных спектров органических соединений. Сборник аннотаций программ по молекулярной спектроскопии. Новосибирск, 1977, с. 111-112.

15.        Моттль В.В., Богданов Е.А., Кузнецов А.Н., Микулинский А.С. Математическая модель колебаний рабочего тока рудовосстановительной печи. Электротехническая промышленность. Серия Электротермия, 1977, вып. 3 (175), с. 35-38.

16.        Моттль В.В., Богданов Е.А., Кузнецов А.Н., Микулинский А.С. Форма колебаний рабочего тока рудовосстановительной печи как носитель информации о содержании углерода в шихте.

17.        Моттль В.В., Богатский А.В., Востров Г.Н., Камалов Г.Л., Мучник И.Б. Статистические и факторные модели в анализе инфракрасных спектров. Тезисы докладов IV Международной конференции по применению вычислительных машин в химии и химическом образовании. Новосибирск, 1978, с. 175.

18.        Mottl V.V., Muchnik I.B. Linguistic analysis of experimental curves. Proceedings IEEE, Vol. 67, 1979, No. 5, pp. 714-736. Русский перевод: Моттль В.В., Мучник И.Б. Лингвистический анализ экспериментальных кривых. ТИИЭР, том 67, 1979, № 5, с. 12-39.

19.        Моттль В.В., Микулинский А.С. Эдемский В.М., Топильский П.В., Друинский М.И. Косвенный показатель дисбаланса углерода в шихте рудовостановительной печи. Сталь, 1979, № 7, с. 37-41.

20.        Моттль В.В., Фомичев А.А., Ковалев В.Н. Оценка состояния руднотермического процесса по косвенным показателям. Сталь, 1982, № 9, с. 49-51.

21.        Моттль В.В., Микулинский А.С., Ковалев В.Н., Фомичев А.А. Способ определения толщины коксового слоя в ванне руднотермической печи. А.с. 955537 (СССР), заявл. 24.03.1981, опубл. 4.05.1982.

22.        Моттль В.В., Фомичев А.А., Яковлев В.Г. Исследование колебаний рабочего тока электрода с целью измерения дисбаланса углерода в промышленной руднотермической печи. Автоматизация информационных и технологических процессов. Тезисы докладов областного межотраслевого научно-технического семинара. Куйбышев, 1983, с. 116-120.

23.        Моттль В.В., Шварев А.М., Фомичев А.А. К задаче оценивания состояния рудовосстановительных процессов с помощью УВК. Электротехническая промышленность. Серия Электротермия, 1983, вып. 1, с. 5-7.

24.        Моттль В.В., Ковалев В.Н., Фомичев А.А., Шварев А.М. Алгоритмы идентификации и управления руднотермическими печами с помощью управляющих вычислительных комплексов. Электротехника, 1983, № 7, с. 5-8.

25.        Моттль В.В., Мучник И.Б., Яковлев В.Г. Оптимальная сегментация экспериментальных кривых. Автоматика и телемеханика, 1983, № 8, с. 84-96.

26.        Моттль В.В., Мучник И.Б., Яковлев В.Г. Алгоритмическая реализация лингвистического подхода к анализу эксперименитальных кривых. Автоматика и телемеханика, 1984, № 4, с. 5-25.

27.        Моттль В.В. Распознавание потока случайных событий. Нечисловая статистика, экспертные оценки и смежные вопросы. Тезисы докладов Всесоюзной конференции. Москва-Таллин, 1984, с. 320-321.

28.        Моттль В.В., Буробин Н.В., Мучник И.Б. Алгоритм определения моментов многократного изменения свойств случайного процесса на основе метода динамического программирования. Статистические проблемы управления. Вильнюс, 1984, вып. 65, с. 48-57.

29.        Моттль В.В., Яковлев В.Г. Оценивание повторяющихся значений параметров случайных процессов с многократно изменяющимися свойствами. Статистические проблемы управления. Вильнюс, 1984, вып. 65, с. 135-145.

30.        Моттль В.В., Мучник И.Б. Сегментация структурных кривых на основе метода динамического программирования. Автоматика и телемеханика, 1985, № 1, с. 101-108.

31.        Моттль В.В. Распознавание потока случайных событий. Автоматика и телемеханика, 1985, № 4, с. 92-100.

32.        Моттль В.В., Мучник И.Б. Алгоритм распознавания потока случайных событий. Автоматика и телемеханика, 1986, № 2, с. 142-146.

33.        Mottl V.V., Muchnik I.B. Recognition of a flow of random events. Preprints of the Second IFAC Symposium on Stochastic Control. Vilnius, 1986, Part II, pp. 232-238.

34.        Моттль В.В., Буробин Н.В. Алгоритмы оптимальной регистрации событий в реальном времени. Автоматика и телемеханика, 1987, No. 2, с. 119-128.

35.        Моттль В.В., Мучник И.Б. Сегментация и оценивание параметров случайных полей со скачкообразно изменяющимися свойствами. Программно-алгоритмическое обеспечение анализа данных в медико-биологических исследованиях. М.: Наука, 1987, с. 6-16.

36.        Моттль В.В., Мучник И.Б. Сегментация и оценивание параметров случайных полей со скачкообразно изменяющимися свойствами. Статистические проблемы управления, вып. 83. Институт математики и кибернетики АН ЛитССР, Вильнюс, 1988, с. 252-256.

37.        Моттль В.В., Агаян Г.Ц., Мучник И.Б. Иерерхическая дискретная модель данных физиологических экспериментов. Биологический журнал Армении, 1988, № 3, с. 179-191.

38.        Моттль В.В., Агаян Г.Ц., Иванова Т.О., Мучник И.Б. Алгоритмы анализа данных физиологических экспериментов. Биологический журнал Армении, 1988, № 7, с. 547-556.

39.        Моттль В.В., Агаян Г.Ц., Иванова Т.О., Мучник И.Б. Исследование элементарных программ действия в составе процесса длительного поддержания позы человеком. Биологический журнал Армении, 1989, № 4, с. 353-363.

40.        Моттль В.В., Агаян Г.Ц., Иванова Т.О., Мучник И.Б. Исследование иерархии программ действия в составе процесса длительного поддержания позы человеком. Биологический журнал Армении, 1989, № 4, с. 363-373.

41.        Моттль В.В. Параметрическое обучение распознаванию потока случайных событий. I. Оценки максимального правдоподобия для параметров случайных процессов. Автоматика и телемеханика, 1989, № 6, с. 107-112.

42.        Моттль В.В. Параметрическое обучение распознаванию потока случайных событий. II. Условия состоятельности оценок параметров. Автоматика и телемеханика, 1989, No. 7, с. 157-167.

43.        Mottl V.V., Dvoenko S.D., Muchnik I.B. Pattern recognition in experimental waveforms. Proceedings of the First International Conference on Information Technologies for Image analysis and Pattern Recognition ITIAPR’90. Lviv, USSR, October 22-28, 1990. Vol. 1, pp. 170-174.

44.        Mottl V.V., Dvoenko S.D., Muchnik I.B. Supervised learning recognition of events in signals and experimental waveforms. Preprints of the Second IFAC  Symposium on Fault Detection, Supervision and Safety for Technical Systems. Baden-Baden, Germany, September 1991.

45.        Моттль В.В., Мучник И.Б. Детерминистские модели и методы распознавания образов на оси времени. I. Основные модели и разрешимость задачи распознавания. Автоматика и телемеханика, 1991, №  3,  с. 120-132.

46.        Моттль В.В., Мучник И.Б. Детерминистские модели и методы распознавания образов на оси времени. II. Алгоритмы распознавания. Автоматика и телемеханика, 1991, №  4, с. 141-146.

47.        Моттль В.В., Мучник И.Б. Детерминистские модели и методы распознавания образов на оси времени. III. Алгоритм обучения. Автоматика и телемеханика, 1991, № 5, с. 154-162.

48.        Mottl V.V., Dvoenko S.D., Muchnik I.B., Nikolsky M.N. Pattern recognition in experimental waveforms. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 1991, Vol, 1. No. 1, pp. 87-98.

49.        Mottl V.V., Klyatskin V.M., Schepin E.V. A probabilistic approach to the problem of sceletonizing point images. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 1991, Vol, 1. No. 4,  pp. 430-439.

50.        Mottl V.V., Ivanova T.O., Muchnik I.B. Estimation of parameters of hidden  Markov  models  for  noise-like signals with changing probabilistic properties. I. Model structure and estimation of quantitative parameters. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1993, Vol. 3, № 2, pp. 99-112.

51.        Mottl V.V., Ivanova T.O., Muchnik I.B. Estimation of parameters of hidden  Markov  models  for  noise-like signals with changing probabilistic properties. II. Estimation of structural parameters of the model. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1993, Vol. 3, № 2, pp. 113-125.

52.        Mottl V.V., Blinov A.B., Zheltov S. Yu. Quasi-statistical approach to the problem of stereo image matching. SPIE Proceedings, 1994, Vol. 2363, pp. 50- 61.

53.        Моттль В.В., Иванова Т.О., Мучник И.Б. Оценивание параметров скрытых марковских моделей шумоподобных сигналов со скачкообразно изменяющимися вероятностными свойствами. I. Структура модели и оценивание ее количественных параметров. Автоматика и телемеханика, 1994, № 9, с. 75-96.

54.        Моттль В.В., Иванова Т.О., Мучник И.Б. Оценивание параметров скрытых марковских моделей шумоподобных сигналов со скачкообразно изменяющимися вероятностными свойствами. II. Оценивание структурных параметров модели. Автоматика и телемеханика, 1994, № 10, с. 45-67.

55.        Mottl V.V., Dvoenko S.D. Supervised recognition of events in signals with changing probabilistic properties. 1995 IEEE Workshop jn Nonlinear Signal and Image Processing. Neos Marmaras, Greece, June 20-22. Vol. 1, pp. 238-241.

56.        Mottl V.V., Blinov A.B. A texture processing algorithm and its application to seismic section segmentation. The 4th Open Russian-German Workshop “Pattern Recognition and Image Analysis”, Valday, Russian Federation, March 3-9, 1996, pp. 103-106.

57.        Mottl V.V., Blinov A.B., Kopylov A.V. Generalized technique for a class of image processing problems based on tree-like quasi-Markov models of the hidden information. The 4th Open Russian-German Workshop “Pattern Recognition and Image Analysis”, Valday, Russian Federation, March 3-9, 1996, pp. 107-111.

58.        Моттль В.В., Мучник И.Б., Иванова Т.О., Блинов А.Б. Автоматическая классификация локальных особенностей полей данных с использованием скрытых марковских моделей. Обозрение прикладной и промышленной математики, серия Вероятность и статистика. М.: Издательство “Теория вероятностей и ее применения”. Том 3, 1996, вып. 1, с. 104-132.

59.        Mottl V.V., Muchnik I.B., Blinov A.B., Kopylov A.V. Hidden tree-like quasi-Markov model and generalized technique for a class of image processing problems. 13th International Conference on Pattern Recognition. Vienna, Austria, August 25-29, 1996. Track B, pp. 715-719.

60.        Mottl V.V., Dvoenko S.D., Lutskov S.Yu. Learning to recognize events in signals with variable probabilistic properties. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1996, Vol. 6, № 1.

61.        Mottl V.V., Kopylov A.V. Algorithms of image matching for raster disturbances. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1996, Vol. 6, № 1.

62.        Mottl V.V., Blinov A.B., Kostin A.A. Algorithms for analysis of three-dimensional textures and their application to processing the data of seismic prospecting. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1996, Vol. 6, № 2.

63.        Mottl V.V., Kopylov A.V. Algorithms for matching images with raster distortions. Pattern Recognition and Image Analysis. Advances in  Mathematical  Theory and Applications, 1996, Vol. 6, № 4.

64.        Mottl V.V., Muchnik I.B. Optimization Algorithms for Separable Functions with Tree-like Adjacency of Variables and their Application to the Analysis of Massive Data Sets. DIMACS Technical Report 97-16, April 1997. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, USA, 16 p.

65.        Mottl V.V., Blinov A.B., Kostin A.A. Texture analysis algorithms and their application to seismic data processing. Pattern Recognition and Image Analysis. Advances  in  Mathematical  Theory  and Applications, 1997, Vol. 7, № 1.

66.        Mottl V.V., Muchnik I.B., Blinov A.B. A generalized approach to a class of image processing problems based on a tree-like quasi-Markov model of neighborhood between the grid elements. Pattern Recognition and Image Analysis. Advances  in  Mathematical  Theory  and Applications, 1997, Vol. 7, № 1.

67.        Mottl V.V., Dvoenko S.D. Real time recognition of events in an experimental curve. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1997, Vol. 7, № 2, pp. 208-221.

68.        Mottl V.V., Dvoenko S.D. Pattern recognition learning by confidence function estimation. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1998, Vol. 8, № 2, pp. 118-121.

69.        Mottl V.V., Dvoenko S.D. The hierarchy of preferred numbers of classes in cluster analysis algorithms. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1998, Vol. 8, № 2, pp. 116-117.

70.        Mottl V.V., Blinov A.B., Kopylov A.V., Kostin A.A. Optimization techniques on pixel neighborhood graphs for image processing. Graph-Based Representations in Pattern Recognition (J.-M. Jolion and W.G. Kropatsch, ed.). Computing, Supplement 12. Springer-Verlag/Wien, 1998, pp. 135-145.

71.        Mottl V.V., Kostin A.A., Muchnik I.B. Generalized edge-preserving smoothing for signal analysis. International Workshop on Nonlinear Signal and Image Analysis. Mackinac Island, Michigan, USA, September 7-11, 1997.

72.        Mottl V.V., Muchnik I.B. Bellman functions on trees for segmentation, generalized smoothing, matching and multi-alignment in massive data sets. DIMACS Technical Report 98-15, February 1998. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, USA, 63 p.

73.        Mottl V.V., Blinov A.B., Kopylov A.V., Kostin A.A., Muchnik I.B. Variational methods in signal and image analysis. Proceedings of the 14th International Conference on Pattern Recognition. Brisbane, Australia, August 16-20, 1998. Volume I, pp. 525-527.

74.        Mottl V.V., Kopylov A.V., Kostin A.A. Edge-preserving in generalized smoothing of signals and images. Proceedings of the 14th International Conference on Pattern Recognition. Brisbane, Australia, August 16-20, 1998. Volume II, pp. 1579-1581.

75.        Mottl V.V., Blinov A.B., Kopylov A.V., Kostin A.A. Computer-aided signal and image processing: A universal variational approach. Journal of Journals: Review of Global Scientific Achievements, 1998, Vol. 2, No. 1, pp. 23-30.

76.        Mottl V.V., Muchnik I.B., Levyant V.B. Massive Data Set Analysis in Seismic Explorations for Oil and Gas in Crystalline Basement Interval. DIMACS Technical Report 99-03, January 1999. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, 38 p.

77.        Leviant, V. , Mottl, V., Lal, N.K., Dirghangi, R.S., Varun, T.R. Experience of reservoir zone identification in crystalline basement of Bombay High field from seismic data. Proceedings of the 3rd International Petroleum Conference and Exhibition PETROTECH-99, New Delhi, India, January 9-12, 1999.

78.        Mottl V.V., Blinov A.B., Zabusky N., Muchnik I.B. Apparent motion in spatial time-varying data: A variational approach to pointwise tracking of coherent structures in computational fluid dynamics. DIMACS Technical Report, September 1999. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, 30 p.

79.        Mottl V.V., Leviant V.B., Blinov A.B., Kostin A.A. Texture analysis in 2D data of seismic explorations for oil and gas in the crystalline basement interval. Pattern Recognition and Image Understanding: 5^th Open German-Russian Workshop. Sankt Augustin: Infix, 1999, pp. 272-276.

80.        Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов (монография). М.: Наука, Физматлит, 1999, 351 с.

81.        Mottl V.V., Leviant V.B., Muchnik I.B., Blinov A.B., Kostin A.A. Methods of texture image analysis in seismic explorations for oil and gas in the crystalline basement interval. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1999, Vol. 9, № 4, pp. 682-701.

82.        Моттль В.В., Двоенко С.Д., Блинов А.Б. Древовидные марковские случайные поля в задачах анализа упорядоченных данных. Доклады IX Всероссийской конференции «Математические методы распознавания образов», Москва, 22-26 ноября 1999 г., с. 80-83.

83.        Моттль В.В., Двоенко С.Д., Лисицын С.В., Ключарева Ю.С. Процедуры мультиэлайнмента в задачах обучения распознаванию сигналов разной длительности. Доклады IX Всероссийской конференции «Математические методы распознавания образов», Москва, 22-26 ноября 1999 г., с. 83-85.

84.        Моттль В.В., Двоенко С.Д., Середин О.С., Долгова О.В. Обучение распознаванию сигналов с учетом критерия гладкости решающего правила. Доклады IX Всероссийской конференции «Математические методы распознавания образов», Москва, 22-26 ноября 1999 г., с. 86-88.

85.        Моттль В.В., Двоенко С.Д., Середин О.С. Процедура распознавания образов для случая многих классов, опирающаяся на совокупность функций степени достоверности для пар классов. Известия Тульского государственного университета, Серия: Вычислительная техника. Автоматика. Управление.1999. Том 2. Вып. 2: Автоматика, с. 28-35.

86.        Mottl V.V., Blinov A.B., Kopylov A.V., Kostin A.A. A unified variational approach to building algorithms of signal and image processing. Pattern Recognition and Image Understanding: 5^th Open German-Russian Workshop. Sankt Augustin: Infix, 1999, pp. 78-83.

87.        Mottl V.V., Dvoenko S.D., Seredin O.S. Methods for including a priori information in learning pattern recognition in feature spaces of large dimensions. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 1999, Vol. 9, № 1, pp. 31-32.

88.        Mottl V.V., Dvoenko S.D., Leviant V.B., Muchnik I.B. Pattern recognition in spatial data: A new method of seismic explorations for oil and gas in crystalline basement interval. Proceedings of the 15^th International Conference on Pattern Recognition, September 3-8, 2000, Barcelona, Spain. Track B, Vol.2, pp. 315-318.

89.        Моттль В.В., Двоенко С.Д., Красоткина О.В. Распознавание образов в массивах упорядоченных данных. Искусственный интеллект, 2000, № 2, с. 160-164.

90.        Моттль В.В., Лисицын С.В., Лыкова Ю.С. Процедуры мультиэлайнмнта в задачах анализа массивов сигналов. Искусственный интеллект, 2000, № 2, с. 165-171.

91.        Моттль В.В., Середин О.С., Двоенко С.Д., Красоткина О.В. Обучение распознаванию сигналов с учетом критерия гладкости решающего правила. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 1, с. 132-136.

92.        Моттль В.В., Середин О.С., Двоенко С.Д. Распознавание образов в метрическом пространстве. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 1, с. 100-104.

93.        Моттль В.В., Середин О.С., Двоенко С.Д. Скользящий контроль процедуры обучения распознаванию образов по методу опорных векторов. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 1, с. 137-141.

94.        Моттль В.В., Костин А.А., Копылов А.В., Мучник И.Б. Процедуры динамического программирования для анализа нестационарных сигналов. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 2, с. 316-320.

95.        Моттль В.В., Блинов А.Б., Копылов А.В., Забусский Н. Мучник И.Б. Оценивание кажущегося движения в динамических массивах данных. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 2, с. 343-347.

96.        Моттль В.В., Ермаков А.С., Копылов А.В., Куликовский К., Мучник И.Б. Выделение областей белого вещества на ЯМР изображениях срезов головного мозга. Труды 5-й Международной конференции "Распознавание образов и анализ изображений: Новые информационные технологии". Самара, 16 - 22 октября 2000 г. Секция 3, с. 504-508.

97.        Моттль В.В., Левянт В.Б. Способ сейсмической разведки массивных геологических пород. Патент на изобретение № 2168187. Зарегистрирован Российским агентством по патентам и товарным знакам 27.05.2001 г. с приоритетом от 10.12.1999 г.

98.        Mottl V.V., Seredin O.S., Dvoenko S.D., Kulikowski C., Muchnik I.B. Alignment scores in a regularized support vector classification method for fold recognition of remote protein families. DIMACS Technical Report 2001-01, January 2001. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, USA, 33 p.

99.        Моттль В.В., Костин А.А., Копылов А.В., Красоткина О.В. Алгоритмы динамического программирования для оценивания моделей нестационарных сигналов. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 68-71.

100.    Моттль В.В., Середин О.С., Костин А.А., Киттлер Дж. Процедура скользящего контроля для выбора смещения разделяющей гиперплоскости при обучении распознаванию образов по методу опорных векторов. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 131-134.

101.    Моттль В.В., Середин О.С. Концепция и решающие правила беспризнакового распознавания образов в гильбертовом пространстве. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 128-131.

102.    Моттль В.В., Ермаков А.С., Копылов А.В. Построение поля направлений папиллярных линий для распознавания типа узора отпечатков пальцев. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 207-209.

103.    Моттль В.В., Копылов А.В., Ермаков А.С., Киттлер Дж. Измерение сходства фотопортретов для беспризнаковой идентификации личности. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 221-225.

104.    Моттль В.В., Костин А.А., Киттлер Дж. Метод опорных векторов в задаче идентификации личности по фотопортрету. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 231-234.

105.    Моттль В.В., Татарчук А.И., Копылов А.В., Ермаков А.С. Вычисление гребневого расстояния между особенностями папиллярных линий для распознавания отпечатков пальцев. Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10), Москва, 2001, с. 304-307.

106.    Mottl V.V., Blinov A.B., Kopylov A.V., Zabusky N. Variational approach to the evaluation of motion of coherent structures in fluid dynamic massive data sets. Pattern Recognition and Image Analysis, Vol. 11, 2001, No.3, pp. 583-596.

107.    Mottl V.V., Seredin O.S., Dvoenko S.D., Kulikowski C., Muchnik I.B. Featureless regularized recognition of protein fold classes in a Hilbert space of pairwise alignment scores as inner product of aminoacid sequences. Pattern Recognition and Image Analysis, Vol. 11, 2001, No.3, pp. 597-615.

108.    Mottl V.V., Seredin O.S., Dvoenko S.D., Kulikowski C., Muchnik I.B. Featureless regularized recognition in an imaginary Hilbert space and its application to protein fold classification. Proceedings of the Second International Workshop on Machine Learning and Data Mining in Pattern Recognition, Leipzig, Germany, July 2001, pp. 322-336.

109.    Mottl V.V., Seredin O.S., Dvoenko S.D., Kulikowski C., Muchnik I.B. Featureless pattern recognition in an imaginary Hilbert space. Proceedings of the 16^th International Conference on Pattern Recognition, August 11-15, 2002, Quebec City, Canada.

110.    Mottl V.V., Kopylov A.V., Kostin A.A., Yermakov A.S., Kittler J. Elastic transformation of the image pixel grid for similarity based face identification. Proceedings of the 16^th International Conference on Pattern Recognition, August 11-15, 2002, Quebec City, Canada, Vol. 3, pp 549-552.

111.    Mottl V.V., Kostin A.A., Seredin O.S., Yermakov A.S., Kittler J. Support object classifiers with rigid and elastic kernel functions for face identification. Proceedings of the 16^th International Conference on Pattern Recognition, August 11-15, 2002, Quebec City, Canada, Vol. 4, pp 205-208.

112.    Моттль В.В. Метрические пространства объектов беспризнакового распознавания образов, допускающие введение линейных операций и скалярного произведения. 6-я Международная конференция «Распознавание образов и обработка изображений: Новые информационные технологии». Великий Новгород, Российская Федерация, 21-26 октября 2002 г. Том 1, с. 384-388.

113.    Моттль В.В., Ермаков А.С., Костин А.А., Копылов А.В., Киттлер Дж. Эластичные потенциальные функции для распознавания изображений. 6-я Международная конференция «Распознавание образов и обработка изображений: Новые информационные технологии». Великий Новгород, Российская Федерация, 21-26 октября 2002 г. Том 1, с. 226-230.

114.    Моттль В.В., Дмитриев Д.А., Копылов А.В. Алгоритмы приближенной парно-сепарабельной оптимизации в задачах обработки изображений. 6-я Международная конференция «Распознавание образов и обработка изображений: Новые информационные технологии» Великий Новгород, 21-26 октября 2002 г. Том 1, с. 186-192.

115.    Моттль В.В., Двоенко С.Д., Копылов А.В. Древовидные марковские случайные поля для распознавания образов в массивах взаимосвязанных объектов. 6-я Международная конференция «Распознавание образов и обработка изображений: Новые информационные технологии». Великий Новгород, 21-26 октября 2002 г. Том 1, с. 182-185.

116.    Моттль В.В., Красоткина О.В., Копылов А.В. Алгоритмы оценивания нестационарной регрессии в задачах анализа сигналов. 6-я Международная конференция «Распознавание образов и обработка изображений: Новые информационные технологии». Великий Новгород, Российская Федерация, 21-26 октября 2002 г. Том 1, с. 325-329.

117.    Моттль В.В., Середин О. С. Вероятностный принцип формирования потенциальных функций на множествах объектов произвольной природы для беспризнакового распознавания образов и восстановления зависимостей. Доклады 11-й Всероссийской конференции «Математические методы распознавания образов (ММРО – 11)», Пущино, 23 – 29 октября 2003 г., с. 141 – 145.

118.    Моттль В.В., Красоткина О. В. Бесперебойная минимизация числа аргументов в задаче восстановления линейной регрессионной зависимости по малым обучающим выборкам. Доклады Всероссийской конференции «Математические методы в распознавании образов (ММРО – 11)», Пущино, 23 – 29 октября 2003 г, с. 138-141.

119.    Моттль В.В. Метрические пространства, допускающие введение линейных операций и скалярного произведения. Доклады Российской академии наук, 2003, т. 388, № 3, с. 1 – 4.

120.    Mottl V.V., Krasorkina O.V., Muchnik I.B. Constrained nonstationary signal processing by pair-wise separable quadratic programming. Proceedings of the IASTED International Conference “Signal Processing, Pattern Recognition, and Applications”. June 30 – July 2, 2003, Rhodes, Greece. Pp. 205-208.

121.    Mottl V.V., Krasorkina O.V., Kopylov A.V. Algorithms of Estimation of Nonstationary Regression in Signal Analysis. Pattern Recognition and Image Analysis, Vol. 13, No. 1, 2003, pp. 127-131.

122.    Mottl V.V., Kopylov A.V., Yermakov A.S., Kittler J. Elastic kernel functions for image recognition. Pattern Recognition and Image Analysis, Vol. 13, No. 1, 2003, pp. 98–100.

123.    Mottl V.V. Metric spaces of featureless pattern recognition that admit linear operations and inner product. Pattern Recognition and Image Analysis, Vol. 13, No. 1, 2003, pp. 51–54.

124.    Mottl V.V., Kopylov A.V., Dmitriyev D.A. Algorithms of approximate pairwise separable optimization for image processing. Pattern Recognition and Image Analysis, Vol. 1.3, № 1, 2003, pp. 90-94.

125.    Mottl V.V., Kopylov A.V., Dvoenko S.D. Pattern recognition in interrelated treelike data arrays. Pattern Recognition and Image Analysis, Vol. 13, № 1, 2003, pp. 95 – 97.

126.    Моттль В.В., Костин А.А., Красоткина О.В., Марков М.Р., Мучник И.Б. Алгоритмы динамического программирования для анализа нестационарных сигналов. Журнал вычислительной математики и математической физики, 2004, том 44, № 1, с. 70-86.

127.    Mottl V., Markov M., Muchnik I. Method and system to solve dynamic multi-factor models in finance. United States Patent 20040083152, April 29, 2004.

128.    Mottl V., Markov M., Muchnik I. Principles of nonstationary regression estimation: A new approach to dynamic multi-factor models in finance. DIMACS Technical Report 2004-47, October 2004. Center for Discrete Mathematics and Theoretical Computer Science. Rutgers University, the State University of New Jersey, USA.

129.    Моттль В.В., Марков М., Мучник И. Динамический анализ состава инвестиционного портфеля: Новый класс задач и методов обработки сигналов. Труды 7-й Международной конференции «Распознавание образов и обработка изображений: Новые информационные технологии». Санкт-Петербург, Российская Федерация, 18-23 октября 2004 г.

130.    Моттль В.В., Середин О.С., Красоткина О.В., Мучник И.Б. Комбинирование евклидовых метрик в беспризнаковом анализе данных: Эквивалент классической проблемы отбора признаков. Труды 7-й Международной конференции «Распознавание образов и обработка изображений: Новые информационные технологии». Санкт-Петербург, Российская Федерация, 18-23 октября 2004 г.

131.    Моттль В.В., Середин О.С., Сулимова В.В. Математически корректные методы измерения сходства в множествах сигналов и символьных последовательностей разной длины. Труды 7-й Международной конференции «Распознавание образов и обработка изображений: Новые информационные технологии». Санкт-Петербург, Российская Федерация, 18-23 октября 2004 г.

132.    Моттль В.В., Середин О.С., Красоткина О.В. Комбинирование потенциальных функций при восстановлении зависимостей по эмпирическим данным. Искусственный интеллект, 2004, № 2, с. 134-139.

133.    Моттль В.В., Середин О.С., Сулимова В.В. Потенциальные функции для беспризнакового восстановления зависимостей на множествах сигналов и символьных последовательностей. Искусственный интеллект, 2004, № 2, с. 140-144.

134.    Mottl V., Dvoenko S., Kopylov A. Pattern Recognition in Interrelated Data: The Problem, Fundamental Assumptions, Recognition Algorithms. Proceedings of the 17^th International Conference on Pattern Recognition, August 22-26, 2004, Cambridge, UK. Vol.1, pp. 188-191.

135.    Моттль В.В., Середин О.С., Красоткина О.В., Мучник И.Б. Комбинирование потенциальных функций в задачах восстановления зависимостей по эмпирическим данным. Доклады Российской академии наук, 2005, т. 401, № 5, с. 607 – 612.

136.    Mottl V., Seredin O., Krasotkina O., Muchnik I. Kernel fusion and feature selection in machine learning. Proceedings of the 8th IASTED International Conference on Intelligent Systems and Control. Cambridge, USA, October 31 – November 2, 2005, pp. 477-482.

137.    Mottl V., Seredin O., Krasotkina O., Muchnik I. Principles of Multi-Kernel Data Mining. In: P. Perner and A. Imiya (Eds.): Machine Learning and Data Mining 2005, LNAI 3587, Springer-Verlag, Berlin Heidelberg, 2005, pp. 52 – 61.

138.    Mottl V., Seredin O., Sulimova V. Mathematically correct methods of similarity measurement on sets of signals and symbol sequences of different lengths. Pattern Recognition and Image Analysis, Vol. 15, No. 1, 2005, pp. 87–89.

139.    Mottl V., Seredin O., Krasotkina O., Muchnik I. Fusion of Euclidean metrics in featureless data analysis: An equivalent of the classical problem of feature selection. Pattern Recognition and Image Analysis, Vol. 15, No. 1, 2005, pp. 83–86.

140.    Mottl V., Markov M., Muchnik I. Dynamic style analysis of investment portfolios: A new class of problems and methods in signal processing. Pattern Recognition and Image Analysis, Vol. 15, No. 4, 2005, pp. 676–679.

141.    Моттль В.В., Сулимова В.В., Середин О.С., Красоткина О.В. Комбинирование потенциальных функций при верификации личности по динамике подписи. Доклады 12-й Всероссийской конференции «Математические методы распознавания образов». М.: МАКС Пресс, 2005, с. 456-459.

142.    Моттль В.В., Ермаков А.С., Левянт В.Б. Прогнозирование разуплотненных зон в кристаллическом фундаменте на основе распознавания аномалий рассеянной компоненты сейсмического поля. Доклады 12-й Всероссийской конференции «Математические методы распознавания образов». М.: МАКС Пресс, 2005, с. 308-311.

143.    Моттль В.В., Галицкий Е.Б., Татарчук А.И. Обучение распознаванию образов в анализе данных опросов населения. Доклады 12-й Всероссийской конференции «Математические методы распознавания образов». М.: МАКС Пресс, 2005, с. 282-286.

144.    Моттль В.В., Сулимова В.В., Татарчук А.И. Автоматический выбор наиболее информативных фрагментов в задачах распознавания сигналов разной длительности. Таврический вестник информатики и математики, 2006, № 1, с. 109-115.

145.    Марков М.Р., Мучник И.Б., Моттль В.В., Красоткина О.В. Вложенные классы моделей нестационарности сигнала в динамическом анализе состава инвестиционного портфеля. «Искусственный интеллект», том 2, НАН Украины, 2006, стр. 187-191.

146.    Sulimova V., Mottl V., Tatarchuk A. Multi-kernel approach to on-line signature verification. Proceedings of the 8th IASTED International Conference on Signal and Image Processing. Honolulu, Hawaii, USA, August 14-16, 2006, paper 534-239, pp. 448-453.

147.    Markov M., Krasotkina O., Mottl V., Muchnik I. Time-varying regression model with unknown time-volatility for nonstationary signal analysis. Proceedings of the 8th IASTED International Conference on Signal and Image Processing. Honolulu, Hawaii, USA, August 14-16, 2006, paper 534-196.

148.    M. Markov, I. Muchnik, V. Mottl, O. Krasotkina. Dynamic analysis of hedge funds. Proceedings of the 8th IASTED International Conference on Financial Engineering and Applications. MIT, Cambridge, Massachusetts, USA, October 9-11, 2006, paper 546-028.

149.    Shavlovsky M.B., Krasotkina O.V., Mottl V.V. A dynamic formulation of the pattern recognition problem. Proceedings of the 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies. Yoshkar-Ola, Russian Federation, October 8-12, 2007. Vol. 2, pp. 48-51.

150.    Sulimova V.V., Mottl V.V., Muchnik I.B. Kernel functions for signals and symbolic sequences of different length. Proceedings of the 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies. Yoshkar-Ola, Russian Federation, October 8-12, 2007. Vol. 2, pp. 155-158.

151.    Mottl V., Tatarchuk A., Sulimova V., Krasotkina O., Seredin O. Combining pattern recognition modalities at the sensor level via kernel fusion. Proceedings of the 7th International Workshop on Multiple Classifier Systems. Czech Academy of Sciences, Prague, Czech Republic, May 23-25, 2007, pp. 1-12.

152.    Windridge D., Mottl V., Tatarchuk A., Eliseyev A. The neutral point method for kernel-based combination of disjoint training data in multi-modal pattern recognition. Proceedings of the 7th International Workshop on Multiple Classifier Systems. Czech Academy of Sciences, Prague, Czech Republic, May 23-25, 2007, pp. 13-21.

153.    Markov M., Muchnik I., Mottl V., Krasotkina O. Machine-learning for dynamic reverse engineering of hedge funds. Proceedings of the 6th International Conference on Machine learning and Cybernetics, Hong Kong, China, August 19-22, 2007, Vol. 5, pp 2805-2812, Vol. 5, pp. 2805-2812.

154.    Windridge D., Mottl V., Tatarchuk A., Eliseyev A. The relationship between kernel and classifier fusion in kernel-based multi-modal pattern recognition: An experimental study. Proceedings of the 6th International Conference on Machine learning and Cybernetics, Hong Kong, China, August 19-22, 2007, Vol. 6, pp. 3594-3600.

155.    Tatarchuk A., Kurakin A., Mottl V. Support vector machines for ranking learning: The full and the truncated fixed margin strategies. Proceedings of the 6th International Conference on Machine learning and Cybernetics, Hong Kong, China, August 19-22, 2007, Vol. 5, pp. 2701-2707.

156.    Красоткина О.В., Моттль В.В., Марков М.Р., Мучник И.Б. Адаптивный нестационарный регрессионный анализ. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 149-154.

157.    Куракин А.В., Татарчук А.И., Моттль В.В. Исследование стратегий обучения ранговой классификации по методу опорных векторов. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 158-161.

158.    Моттль В.В., Татарчук А.И., Красоткина О.В., Сулимова В.В. Комбинирование потенциальных функций в многомодальном распознавании образов. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 184-188.

159.    Сулимова В.В., Моттль В.В., Мучник И.Б. Потенциальные функции на множестве последовательностей разной длины. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 214-219.

160.    Татарчук А.И., Елисеев А.П., Моттль В.В. Комбинирование классификаторов и потенциальных функций в многомодальном распознавании образов. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 220-222.

161.    Шавловский М.Б., Красоткина О.В., Моттль В.В. Задача обучения распознаванию образов в нестационарной генеральной совокупности. Доклады 13-й Всероссийской конференции «Математические методы распознавания образов». Зеленогорск, Ленинградская область, 30 сентября – 6 октября 2007 г. М.: МАКС Пресс, 2007, с. 226-230.

162.    Mottl V., Krasotkina O. Choosing the relevant subset of regressors in the nonstationary regression estimation problem. Proceedings of the 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies. Yoshkar-Ola, Russian Federation, October 8-12, 2007. Vol. 1, pp. 39-42.

163.    Shavlovsky M.B., Krasotkina O.V., Mottl V.V. A dynamic formulation of the pattern recognition problem. Proceedings of the 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies. Yoshkar-Ola, Russian Federation, October 8-12, 2007. Vol. 2, pp. 48-51.

164.    Sulimova V.V., Mottl V.V., Muchnik I.B. Kernel functions for signals and symbolic sequences of different length. Proceedings of the 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies. Yoshkar-Ola, Russian Federation, October 8-12, 2007. Vol. 2, pp. 155-158.

165.    Моттль В.И., Татарчук А.И., Елисеев А.П. Экспериментальное исследование методов многомодального распознавания образов с регулируемой селективностью. Известия Тульского государственного университета, 2008.

166.    Моттль В.И., Татарчук А.И., Елисеев А.П. Регулируемая селективность в многомодальном распознавании образов. Таврический вестник математики и информатики, 2008, № 2, с. 89-96.

167.    Моттль В. В., Середин О. С. Отбор информативных признаков при обучении распознаванию образов с упорядоченными признаками. Таврический вестник математики и информатики, 2008, № 2, с. 180-185.

168.    Моттль В. В., Мучник И. ., Разин Н. ., Сулимова В. В. Множественное выравнивание совокупности аминокислотных последовательностей на основе вероятностной модели эволюции. Таврический вестник математики и информатики, 2008, №2, с. 202-210.

169.    Mottl V., Kulikowski C., Muchnik I. Probabilistic evolutionary model for substitution matrices of PAM and BLOSUM families. DIMACS Technical Report 2008-16. DIMACS, Center for Discrete Mathematics and Theoretical Computer Science, Rutgers University, New Jersey, USA, 17p., 2008. ftp://dimacs.rutgers.edu/pub/dimacs/TechnicalReports/TechReports/2008/2008-16.pdf

170.    Tatarchuk A., Mottl V., Eliseyev A., Windridge D. Selectivity supervision in combining pattern-recognition modalities by feature- and kernel-selective Support Vector Machines. Proceedings of the 19th International Conference on Pattern Recognition, Tampa, USA, December 8-11, 2008.

171.    Mottl V., Lange M., Sulimova V., Ermakov A. Signature verification based on fusion of on-line and off-line kernels. Proceedings of the 19th International Conference on Pattern Recognition, Tampa, USA, December 8-11, 2008.

172.    Krasotkina O., Mottl V. Adaptive nonstationary regression analysis. Proceedings of the 19th International Conference on Pattern Recognition, Tampa, USA, December 8-11, 2008.

173.    Elena Ezhova, Vadim Mottl, Olga Krasotkina. Estimation of time-varying linear regression with unknown time-volatility via continuous generalization of the Akaike Information Criterion. Proceedings of World Academy of Science, Engineering and Technology, No.51, Mar. 2009, pp. 144-150. http://www.waset.org/journals/waset/v51.php

174.    Sulimova V., Mottl V., Mirkin B. Is protein sequence data sufficient for deriving homology groups? Extending Dayhoff’s model to sequences. Technical Report. School of Computer Science and Information Systems, Birkbeck, University of London, February 2009, 23 p. http://www.dcs.bbk.ac.uk/research/techreps/2009/bbkcs-09-01.pdf

175.    V. Sulimova, V. Mottl, B. Mirkin, I. Muchnik, C. Kulikowski. A class of evolution-based kernels for protein homology analysis: A generalization of the PAM model. In: Bioinformatics Research and Applications. Lecture Notes in Computer Science, Volume 5542. Springer-Verlag, Berlin / Heidelberg. ISSN 0302-9743, 2009, pp. 284-296.

176.    A. Tatarchuk, V. Sulimova, D. Windridge, V. Mottl, M. Lange. Supervised selective combining pattern recognition modalities and its application to signature verification by fusing on-line and off-line kernels. In: Multiple Classifier Systems. Lecture Notes In Computer Science, Vol. 5519. Springer-Verlag, Berlin \ Heidelberg. ISBN 978-3-642-02325-5, 2009, pp. 324-334.

177.    Моттль В. В., Красоткина О.В., Ежова Е. О. Непрерывное обобщение информационного коритерия Акаике для оценивания нестационарной регрессионной модели временного ряда с неизвестной степенью изменчивости коэффициентов. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 52-55.

178.    Копылов А.В., Середин О.С., Приймак А.Ю., Моттль В.В. Отбор подмножества взаимосвязанных признаков на основе параметрической процедуры динамического программирования. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 136-140.

179.    Красоткина О.В., Копылов А.В., Моттль В.В., Марков М. Восстановление стратегии управления инвестиционным портфелем как задача оценивания нестационарной регрессии с сохранением локальных особенностей. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 141-144.

180.    Татарчук А.И., Сулимова В.В., Моттль В.В., Уиндридж Д. Метод релевантных потенциальных функций для селективного комбинирования разнородной информации при обучении распознаванию образов на основе байесовского подхода. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 188-191.

181.    Татарчук А.И., Урлов Е.Н., Моттль В.В. Метод опорных потенциальных функций в задаче селективного комбинирования разнородной информации при обучении распознаванию образов. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 192-195.

182.    Татарчук А.И., Урлов Е.Н., Ляшко А.С., Моттль В.В. Экспериментальное исследование обобщающей способности методов селективного комбинирования потенциальных функций в задаче двухклассового распознавания образов. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 196-199.

183.    Разин Н.А., Сулимова В.В., Моттль В.В., Мучник И.Б. Локальная модель случайных эволюционных преобразований белков и вероятностное обобщение задачи множественного выравнивания аминокислотных последовательностей. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 592-595.

184.    Сулимова В.В., Моттль В.В., Куликовский К.А., Мучник И.Б. Потенциальные функции на множестве аминокислот на основе модели эволюции М. Дэйхофф. Доклады 14-й Всероссийской конференции «Математические методы распознавания образов», Суздаль, 21-26 сентября 2009 г., с. 598-601.

185.    N. Poh, D. Windridge, V. Mottl, A. Tatarchuk, A. Eliseyev. Addressing missing values in kernel-based multimodal biometric fusion using neutral point substitution. IEEE Transactions on Information Forensics and Security, 2010, Volume 5, Issue 3, pp. 461-469.

186.    O. Krasotkina, A. Kopylov, V. Mottl, M. Markov. Bayesian estimation of time-varying regression with changing time-volatility for detection of hidden events in nonstationary signals. In: Signal Processing, Pattern Recognition and Applications. ACTA Press, Anaheim-USA, Calgary-Canada, Zurich-Swiss, 2010, ISBN 978-0-88986-822-9. Paper 678-050.

187.    A. Tatarchuk, E. Urlov, V. Mottl, D. Windridge. A support kernel machine for supervised selective combining of diverse pattern-recognition modalities. In: Multiple Classifier Systems. Lecture Notes In Computer Science, Vol. 5997. Springer-Verlag, Berlin \ Heidelberg, 2010, ISBN 978-3-642-12127-2_17, pp. 165-174.

188.    A. Tatarchuk, E. Urlov, V. Mottl, D. Windridge. A support kernel machine for supervised selective combining of diverse pattern-recognition modalities. In: Multiple Classifier Systems. Lecture Notes In Computer Science, Vol. 5997. Springer-Verlag, Berlin \ Heidelberg, 2010, ISBN 978-3-642-12127-2_17, pp. 165-174.

189.    V. Sulimova, N. Razin, V. Mottl, I. Muchnik, C. Kulikowski. A maximum-likelihood formulation and EM algorithm for the protein multiple alignment problem. In: Pattern Recognition in Bioinformatics. Lecture Notes in Bioinformatics, Vol. 6282. Springer-Verlag, Berlin \ Heidelberg \ New York, 2010, ISBN 978-3-642-16000-4, pp. 171-182.

190.    Сулимова В.В., Разин Н.И^., Моттль В.В^., Мучник И.Б^., Куликовский К. Наиболее правдоподобное множественное выравнивание белков на основе EM-алгоритма. Третья Международная конференция «Математическая биология и биоинформатика», г. Пущино Московской обл., 10-15 октября 2010 г.

191.    Сулимова В.В., Моттль В.В., Мучник И.Б^., Куликовский К. Единая вероятностная модель эволюции аминокислот для подстановочных матриц семейств PAM и BLOSUM. Третья Международная конференция «Математическая биология и биоинформатика», г. Пущино Московской обл., 10-15 октября 2010 г.

192.    Абрамов В.И., Середин О.С., Сулимова В.В., Моттль В.В. Эквивалентность потенциальных функций и линейных пространств представления объектов произвольной природы. Доклады 8-й Международной конференции «Интеллектуализация обработки информации», Кипр, Пафос, 17-24 октября 2010 г., с. 9-12.

193.    Ежова Е.О., Красоткина О.В., Моттль В.В. Непрерывная коррекция информационного критерия Акаике для регуляризованного оценивания сверхбольшого числа параметров  регрессионных моделей данных с неизвестной дисперсией. Доклады 8-й Международной конференции «Интеллектуализация обработки информации», Кипр, Пафос, 17-24 октября 2010 г., с. 51-54.

194.    Красоткина О.В., Моттль В.В., Турков П.А. Байесовский подход к задача обучения распознаванию образов в нестационарной генеральной совокупности. Доклады 8-й Международной конференции «Интеллектуализация обработки информации», Кипр, Пафос, 17-24 октября 2010 г., с. 148-152.

195.    Панов М.Е., Татарчук А.И., Моттль В.В. Метод нейтральной точки для компенсации пропусков в обучающей совокупности при обучении распознаванию образов по методу опорных векторов. Доклады 8-й Международной конференции «Интеллектуализация обработки информации», Кипр, Пафос, 17-24 октября 2010 г., с. 176-179.

196.    Копылов А.В., Красоткина О.В., Моттль В.В., Приймак А.Ю. Алгоритм обработки сигналов на основе параметрического динамического программирования. Доклады 8-й Международной конференции «Интеллектуализация обработки информации», Кипр, Пафос, 17-24 октября 2010 г., с. 410-413.

197.    M. Panov, A. Tatarchuk, V. Mottl, D. Windridge. A modified neutral point method for kernel-based fusion of pattern-recognition modalities with incomplete data sets. Proceedings of the 10th international Workshop on Multiple Classifier Systems MCS 2011, Naples, Italy, June 15-17, 2011. Lecture Notes in Computer Science LNCS 6713, ISSN 0302-9743, Springer Verlag, Berlin/Heidelberg, 2011, pp. 126-136.

198.    O.V. Krasotkina, V.V. Mottl, P.A. Turkov. Bayesian approach to the pattern recognition problem in nonstationary environment. Proceedings of the 4th International Conference on Pattern Recognition and Machine Intelligence, PReMI 2011, Moscow, Russia, June 27 - July 1, 2011. Lecture Notes in Computer Science 6744, Springer 2011, ISBN 978-3-642-21785-2, pp. 24-29.

199.    Красоткина О.В., Нгуен Т.Т., Ежова Е.O., Моттль В.В. Селективное комбинирование потенциальных функций при многомодальном восстановлении регрессионной зависимости. Доклады 15-й Всероссийской конференции «Математические методы распознавания образов», Петрозаводск, 12-16 сентября 2011 г., с. 28-32.

200.    Абрамов В.И., Середин О.С., Сулимова В.В., Моттль В.В. Метод опорных объектов для обучения распознаванию образов в евклидовых метрических пространствах. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .5-8.

201.    Середин O.С., Моттль В.В., Татарчук А.И., Разин Н.А., Уиндридж Д. Выпуклые критерии релевантных векторов для сокращения размерности представления объектов в беспризнаковом распознавании образов. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .50-53.

202.    Черноусова Е.О., Красоткина О.В., Панов М. Е., Гребенников Е.В., Моттль В.В. Линейные модели числовых зависимостей на множествах объектов, представленных парными сравнениями. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .58-62.

203.    Красоткина О.В. Нгуен Т.Ч., Попов В.А., Моттль В.В. Исследование регрессионной модели Кокса с регулируемой селективностью в задаче анализа продолжительности жизни. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .122-125.

204.    Турков П.А., Красоткина О.В., Моттль В.В. Байесовская логистическая регрессия в задаче обучения распознаванию образов при смещении концепта. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .160-163.

205.    Разин Н.А., Сунгуров Д.С., Торшин И.Ю., Сулимова В.В., Середин О.С. Применение многомодального обобщения метода релевантных векторов в задаче распознавания вторичной структуры белка. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .585-588.

206.    Красоткина О.В., Нгуен Т.Ч., Поленова Е.А., Моттль В.В.  Исследование модели порядковой регрессии с регулируемой селективностью в задаче оценивания позиции сайта в результатах поискового запроса. Доклады 9-й международной конференции «Интеллектуализация обработки информации ИОИ-2012», Будва, Черногория, 16-22 сентября 2012 г. М.: Торус Пресс, 2012, с .633-636.

207.    N. Razin, D. Sungurov, V. Mottl, I. Torshin, V. Sulimova, O. Seredin, D. Windridge. Application of the Multi-modal Relevance Vector Machine to the problem of protein secondary structure prediction. Lecture Notes in Computer Science, Vol. 7632. Subseries: Lecture Notes in Bioinformatics. Springer, 2012, pp. 153-165.

208.    O. Seredin, V. Mottl, A. Tatarchuk, N. Razin, D. Windridge. Convex Support and Relevance Vector Machines for selective multimodal pattern recognition. Proceedings of the 21th International Conference on Pattern Recognition, Tsukuba, Japan, November 11-15, 2012. IAPR, 2012, ISSN 978-4-9906441-1-6, 2012, pp. 1647-1650.

209.    P. Turkov, O. Krasotkina, V. Mottl. The Bayesian logistic regression in pattern recognition problems under concept drift. Proceedings of the 21th International Conference on Pattern Recognition, Tsukuba, Japan, November 11-15, 2012. IAPR, 2012, ISSN 978-4-9906441-1-6, 2012, pp. 2976-2979.

210.    Середин О.С., Моттль В.В., Татарчук А.И., Разин Н.А. Выпуклые селективные критерии релевантных векторов для сокращения размерности описания объектов, представленных парными отношениями. Известия ТулГУ, Серия Естественные науки. Тула: Изд-во ТулГУ, 2013, Вып. 1, с. 165-176.

211.    Абрамов В.И., Середин О.С., Моттль В.В. Обучение распознаванию образов в евклидовых метрических пространствах по методу опорных объектов. Известия ТулГУ, Серия Естественные науки. Тула: Изд-во ТулГУ, 2013, Вып. 2, часть 1, с. 119-136.

212.    Разин Н.А., Черноусова Е.О., Красоткина О.В., Моттль В.В. Применение машины релевантных объектов в задачах восстановления числовых зависимостей. Машинное обучение и анализ данных, 2013, т. 1, № 5, с. 641-652.

213.    Разин Н.А., Моттль В.В. Численная реализация алгоритмов селективного комбинирования разнорожных представлений объектов в задачах распознавания образов. Машинное обучение и анализ данных, 2013, т. 1, № 6, с. 734-750.

214.    P. Turkov, O. Krasotkina, V. Mottl. Dynamic programming for Bayesian logistic regression learning under concept drift. Pattern Recognition and Machine Intelligence. Lecture Notes in Computer Science, Vol. 8251. Springer, 2013, pp. 190-195.

215.    Маленичев А.А., Сулимова В.В., Красоткина О.В., Моттль В.В., Марков А.А. Применение процедуры парного выравнивания для разметки стыков на ультразвуковой дефектограмме рельсового пути. Известия ТулГУ, Технические науки. Вып. 9. Тула: Изд-во ТулГУ, 2013.

216.    Красоткина О. В., Моттль В. В., Н. А. Разин, Черноусова Е. О. Беспереборная кросс-валидация отбора признаков в линейной регрессионной модели. Известия ТулГУ, Серия Технические науки. Тула: Изд-во ТулГУ, 2013. Вып. 7, No. 2, с. 88-98.

217.    A. Malenichev, V. Sulimova, O. Krasotkina, V. Mottl, A. Markov. An Automatic Matching Procedure of Ultrasonic Railway Defectograms. Machine Learning and Data Mining in Pattern Recognition. Lecture Notes in Computer Science, Volume 8556, Springer, 2014, pp. 315-327.

218.    E. Chernousova, N. Razin, O. Krasotkina, V. Mottl, D. Windridge. Linear Regression via Elastic Net: Non-enumerative Leave-One-Out Verification of Feature Selection. Clusters, Orders, and Trees: Methods and Applications, Springer, 2014, pp. 377-390.

219.    A. Tatarchuk, V. Sulimova, I. Torshin, V. Mottl, D. Windridge. Supervised selective kernel fusion for membrane protein prediction. Pattern Recognition in Bioinformatics. Lecture Notes in Computer Science, Volume 8626. Springer, 2014, pp. 98-109.

220.    E. Chernousova, P. Levdik, A. Tatarchuk, V. Mottl, D. Windridge. Non-Enumerative Cross Validation for the Determination of Structural Parameters in Feature-Selective SVMs. Proceedings of the 22nd International Conference on Pattern Recognition, Stockholm, Sweden, August 24-28, 2014, pp. 3654-3659.

221.    A. Gubareva, V. Sulimova, O. Seredin, A. Larin, V. Mottl. Finding the largest hypercavity in a linear data space. Proceedings of the 22nd International Conference on Pattern Recognition, Stockholm, Sweden, August 24-28, 2014, pp. 4406-4410.

222.    Середин О.С., Абрамов В.И., Моттль В.В. Аффинные операции в псевдоевклидовом линейном пространстве. Известия ТулГУ, Естественные науки. Тула: Изд-во ТулГУ, Вып. 3, 2014, с. 178-196.

223.    O. Krasotkina, O. Seredin, V. Mottl. Supervised selective combination of diverse object-representation modalities for regression estimation. Proceedings of the 12th International Workshop on Multiple Classifier Systems (MCS 2015). Günzburg, Germany, June 29 – July 1, 2015, pp. 89-99.

224.    O. Krasotkina, V. Mottl. A Bayesian approach to sparse Cox regression in high-dimensional survival analysis. Proceedings of the 11th International Conference on Machine Learning and Data Mining (MLDM 2015). Hamburg, Germany, July 20-23, 2015, pp. 425-437.

225.    O. Krasotkina, V. Mottl. A Bayesian approach to sparse learning-to-rank for search engine optimization. Proceedings of the 11th International Conference on Machine Learning and Data Mining (MLDM 2015). Hamburg, Germany, July 20-23, 2015, pp. 382-394. 

Ссылки

• Диссертационный совет Д 002.017.02 в ВЦ РАН
• Технический комитет по распознаванию образов в биоинформатике (TC-20 PRIB)
• Интеллектуальные системы (МФТИ) на www.machinelearning.ru/
• Сайт Лаборатории анализа данных ТулГУ
• Всероссийская конференция "Математические методы распознавания образов"
• Вычислительный центр им. А. А. Дородницына Российской академии наук
• В.В. Моттль на сайте Math-Net.ru