Публикации

Публикации по AGI.

Potapov A., Rodionov S., Potapova V. «Real-time GA-based Probabilistic Programming in Application to Robot Control». B. Steunebrink et al. (Eds.): AGI 2016, Lecture Notes in Artificial Intelligence. Springer, 2016. V. 9782. P. 95–105.
[PDF]

Potapov A., Batishcheva V., Rodionov S. «Optimization Framework with Minimum Description Length Principle for Probabilistic Programming». J. Bieger, B. Goertzel, A. Potapov (Eds.): AGI 2015, Lecture Notes in Artificial Intelligence. Berlin: Springer, 2015. V. 9205. P. 331–340.
[PDF]

Batishcheva V., Potapov A. «Genetic Programming on Program Traces as an Inference Engine for Probabilistic Languages». J. Bieger, B. Goertzel, A. Potapov (Eds.): AGI 2015, Lecture Notes in Artificial Intelligence.  Berlin: Springer, 2015. V. 9205. P. 14–24.
[PDF]

Potapov A., Rodionov S. «Universal empathy and ethical bias for artificial general intelligence». Journal of Experimental & Theoretical Artificial Intelligence, vol. 26, iss. 3, pp. 405-416, 2014.
[PDF]

Alexey Potapov, Sergey Rodionov. «Making Universal Induction Efficient by Specialization». B. Goertzel et al. (Eds.): AGI 2014, LNAI 8598, pp. 133–142, 2014.
[PDF]

Alexey Potapov, Sergey Rodionov. «Universal Induction with Varying Sets of Combinators». K.-U. Kühnberger, S. Rudolph, P. Wang (Eds.): AGI 2013, LNAI 7999, pp. 88–97, 2013.
[PDF]

Alexey Potapov, Sergey Rodionov. «Extending Universal Intelligence Models with Formal Notion of Representation». J. Bach, B. Goertzel, and M. Iklé (Eds.): AGI 2012, LNAI 7716, pp. 242–251, 2012.
[PDF]

Alexey Potapov, Andrew Svitenkov, Yurii Vinogradov. «Differences between Kolmogorov Complexity and Solomonoff Probability: Consequences for AGI». J. Bach, B. Goertzel, and M. Iklé (Eds.): AGI 2012, LNAI 7716, pp. 252–261, 2012.
[PDF]

Alexey Potapov, Sergey Rodionov, Andrew Myasnikov, Galymzhan Begimov. «Cognitive Bias for Universal Algorithmic Intelligence». SarXiv:1209.4290v1 [cs.AI]. 2012. 10 p.
[HTML]


Предшествующие публикации.

Потапов А.С. «Искусственный интеллект и универсальное мышление».СПб, Политехника. 2012. 716 с.
[PDF / фрагмент] [КУПИТЬ КНИГУ]

Potapov A.S. «Principle of Representational Minimum Description Length in Image Analysis and Pattern Recognition». Pattern Recognition and Image Analysis. 2012. V. 22. No. 1. P. 82–91.
[PDF] [Springerlink]

Потапов А.С. «Автоматический анализ изображений и распознавание образов. Подход на основе принципа репрезентационной минимальной длины описания». Москва, Lambert Academic Publishing. 2011. 285 с.
[PDF] [Озон]

Potapov A.S., Malyshev I.A., Puysha A.E., Averkin A.N. «New paradigm of learnable computer vision algorithms based on the representational MDL principle». Proc. SPIE. 2010. V.7696. P. 769606.
[PDF] [Spie]

Потапов А.С., Петроченко В.Г. «Количественное описание законов перцептивного группирования с помощью принципа репрезентационной минимальной длины описания». Оптический журнал. 2008. Т. 75. № 8. С. 42–47.
[PDF] [Оптический журнал]

Potapov A.S. «Synthetic pattern recognition methods based on the representational minimum description length principle». Proc. OSAV’2008, The 2nd Int. Topical Meeting on Optical Sensing and Artificial Vision. 2008. P. 354–362.
[PDF]

Потапов А.С. «Теоретико-информационный подход к введению обратных связей в многоуровневых системах компьютерного зрения». Оптический журнал. Т. 74. № 10. 2007. С. 59–65
[PDF] [Optics InfoBase]

Потапов А.С. «Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания». С-Пб, Политехника. 2007. 548 с.
[PDF] [Озон]

Potapov A.S., Luciv V.R. «Information-theoretic approach to image description and interpretation». Proc. SPIE. 2003. Vol. 5400. P. 277–283.
[PDF] [Spie]