Даниель Куденко
Исследовательские группы
Биография
Профессор Санкт-Петербургского национального исследовательского Академического университета Российской академии наук (СПбАУ РАН) и член группы Artificial Intelligence в университете Йорка (Великобритания).
Даниель Куденко получил степень магистра в области компьютерных наук в Саарском университете (Германия) и стал доктором наук в области машинного обучения в университете Ратгерс (США). Его исследования сосредоточены вокруг машинного обучения (в частности, обучение с подкреплением), аспектов взаимодействия человека и искусственного интеллекта. Даниель опубликовал более 100 рецензируемых статей по различным направлениям искусственного интеллекта и является соавтором трёх книг издательства Springer.
Профессор Куденко был членом комитета AgentLink II и координатором inter-network SIG on “Agents that Learn, Adapt, and Discover”. Был руководителем и сoиследователем во множестве проектов, финансируемых EPSRC, InnovateUK и DSTL. Имеет большой опыт в передаче знаний и сотрудничестве с промышленностью, проработав во многих проектах с индустриальными партнерами, в том числе компании QinetiQ, Eidos и Mood International. Профессор Куденко входит в состав программных комитетов многих конференций, в том числе AAMAS, AAAI, ECAI, и ICML.
На сегодняшний день 16 аспирантов закончили обучение под его руководством.
Публикации
MAGNet: Multi-agent Graph Network for Deep Multi-agent Reinforcement Learning
October 2019
Aleksandra Malysheva, Daniel Kudenko, Aleksei Shpilman
Framework for Deep Reinforcement Learning with GPU-CPU Multiprocessing
December 2018
Ivan Sosin, Oleg Svidchenko, Aleksandra Malysheva, Daniel Kudenko, Aleksei Shpilman
Deep Multi-Agent Reinforcement Learning with Relevance Graphs
December 2018
Aleksandra Malysheva, Tegg Taekyong Sung, Chae-Bong Sohn, Daniel Kudenko, Aleksei Shpilman
A comparative evaluation of machine learning methods for robot navigation through human crowds
December 2018
A. Gaydashenko, D. Kudenko, A. Shpilman
Learning to Run with Potential-Based Reward Shaping and Demonstrations from Video Data
November 2018
A. Malysheva, D. Kudenko, A. Shpilman
Continuous Gesture Recognition from sEMG Sensor Data with Recurrent Neural Networks and Adversarial Domain Adaptation
November 2018
I. Sosin, D. Kudenko, A. Shpilman
Learning to Run with Reward Shaping from Video Data
July 2018
A. Malysheva, A. Shpilman, D. Kudenko
Automated Refactoring of Object-Oriented Code Using Clustering Ensembles
June 2018
Timofey Bryskin, Alexey Shpilman, and Daniel Kudenko
Behavioural realism and the activation of aggressive concepts in violent video games
January 2018
D. Zendle, D. Kudenko, P. Cairns
Using Uniform State Abstractions For Reward Shaping With Reinforcement Learning
2018
J. Burden, D. Kudenko
Reinforcement learning from multiple experts demonstrations
2018
M. Li, D. Kudenko
iSynchronizer: A Tool for Extracting, Integration and Analysis of MovieLens and IMDb Datasets
2018
N. Al-Roussais, D. Kudenko
Assurance in Reinforcement Learning Using Quantitative Verification
2018
G. Mason, R. Calinescu, D. Kudenko, A. Banks
Dynamic Selection of Environmental Variables to Improve the Prodiction of Aphid Phenology: A Machine Learning Approach
2018
P. Holloway, D. Kudenko, J. Bell
Deep Learning of Cell Classification using Microscope Images of Intracellular Microtubule Networks
December 2017
A. Shpilman, D. Boikiy, M. Plyakova, D. Kudenko, A. Burakov, E. Nadezhdina
A Reinforcement Learning Based Workflow Application Scheduling Approach For SaaS Providers in Dynamic Cloud Environments
2017
Y. Wei, D. Kudenko, S. Liu, L. Pan, L. Wu, X. Meng