Цымблер Михаил Леонидович

Доктор физико-математических наук, доцент
Рабочий телефон: 
(351) 267-90-06, доб. 112
E-mail: 
mzym[at]susu[dot]ru
Сайт: 
Знание иностранных языков: 
английский
Научные интересы: 
Интеллектуальный анализ данных, параллельное программирование
Научные профили: 
Статьи и монографии за последние три года: 
Intermediate fusion approach for pneumonia classification on imbalanced multimodal data / О.Н. Иванова //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2023.–Том 12 № 3.– C.19-30
Kraeva, Y. A Parallel Discord Discovery Algorithm for a Graphics Processor / Y.. Kraeva, M.. Zymbler //Pattern Recognition and Image Analysis.–2023.–Vol. 33 No. 2.– P.101-112
Zymbler, M. High-performance Time Series Anomaly Discovery on Graphics Processors / M.. Zymbler, Y.. Kraeva //Mathematics.–2023.–Vol. 11 No. 14
Краева, Я.А. Поиск аномалий в больших временных рядах на кластере с GPU узлами / Я.А. Краева, М.Л. Цымблер //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2023.–Том 24 № 3.– C.291-304
Цымблер, М.Л. Восстановление пропущенных значений временного ряда на основе совместного применения аналитических алгоритмов и нейронных сетей / М.Л. Цымблер, А.А. Юртин //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2023.–Том 24 № 3.– C.243-259
A Novel Algorithmic Forex Trade and Trend Analysis Framework Based on Deep Predictive Coding Network Optimized with Reptile Search Algorithm / S.. Dash //Axioms.–2022.–Vol. 11 No. 8
Botanical Leaf Disease Detection and Classification Using Convolutional Neural Network: A Hybrid Metaheuristic Enabled Approach / M.. Mohapatra //Computers.–2022.–Vol. 11 No. 5
Brain Tumor Classification Using Dense Efficient-Net / D.. Nayak //Axioms.–2022.–Vol. 11 No. 1
Prophesying the Short-Term Dynamics of the Crude Oil Future Price by Adopting the Survival of the Fittest Principle of Improved Grey Optimization and Extreme Learning Machine / A.K. Das //Mathematics.–2022.–Vol. 10 No. 7
Zymbler, M. Fast Summarization of Long Time Series with Graphics Processor / M.. Zymbler, A.. Goglachev //Mathematics.–2022.–Vol. 10 No. 10
Гоглачев, А.И. Применение параллельных вычислений для аннотирования сенсорных данных / А.И. Гоглачев, М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2022.–Том 11 № 2.– C.30-42
Цымблер, М.Л. Параллельный алгоритм восстановления сенсорных данных в режиме реального времени для многоядерного процессора / М.Л. Цымблер, А.Н. Полуянов, Я.А. Краева //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2022.–Том 11 № 3.– C.69-90
A Parallel Approach to Discords Discovery in Massive Time Series Data / Zymbler, M. //Computers, Materials and Continua.–2021.–Vol. 66 No. 2.– P.1867-1876
On the Classification of MR Images Using “ELM-SSA” Coated Hybrid Model / A.. Pradhan //Mathematics.–2021.–Vol. 9 No. 17
Zymbler, M. Matrix Profile-Based Approach to Industrial Sensor Data Analysis Inside RDBMS / M.. Zymbler, E.. Ivanova //Mathematics.–2021.–Vol. 9 No. 17
Иванова, Е.В. Внедрение концепции матричного профиля в реляционную СУБД для интеллектуального анализа временных рядов / Е.В. Иванова, М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2021.–Том 10 № 3.– C.72-87
Очистка сенсорных данных в интеллектуальных системах управления отоплением зданий / М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2021.–Том 10 № 3.– C.16-36
Цымблер, М.Л. Об одном методе восстановления пропущенных значений потокового временного ряда в режиме реального времени / М.Л. Цымблер, В.А. Полонский, А.А. Юртин //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2021.–Том 10 № 4.– C.5-25
Цымблер, М.Л. Поиск типичных подпоследовательностей временного ряда на графическом процессоре / М.Л. Цымблер, А.И. Гоглачев //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2021.–Том 22 № 4.– C.344-359
A Deep Neural Network Approach to Predict the Wine Taste Preferences / Kraeva, Y. //Advances in Intelligent Systems and Computing.–2020.–Vol. 1125.– P.1165-1173
An Approach to Fuzzy Clustering of Big Data Inside a Parallel Relational DBMS / Zymbler, M. //Communications in Computer and Information Science.–2020.–Vol. 1223.– P.211-223
Analyzing MRI Scans to Detect Glioblastoma Tumor Using Hybrid Deep Belief Networks / A.. Reddy //Journal of Big Data.–2020.–Vol. 7 No. 1
Cleaning Sensor Data in Smart Heating Control System / Zymbler, M. //Proceedings - 2020 Global Smart Industry Conference, GloSIC 2020.–2020.– P.375-381
Digital Twin of City: Concept Overview / Ivanov, S. //Proceedings - 2020 Global Smart Industry Conference, GloSIC 2020.–2020.– P.178-186
Иванова, Е.В. Обзор современных систем обработки временных рядов / Е.В. Иванова, М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2020.–Том 9 № 4.– C.79-97
Концепция построения цифрового двойника города / С.А. Иванов //Вестник Южно-Уральского государственного университета. Серия «Вычислительная математика и информатика».–2020.–Том 9 № 4.– C.5-23
Цымблер, М.Л. Параллельный алгоритм поиска лейтмотивов временного ряда для графического процессора / М.Л. Цымблер, Я.А. Краева //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика.–2020.–Том 9 № 3.– C.17-34
Kraeva, Y. Scalable Algorithm for Subsequence Similarity Search in Very Large Time Series Data on Cluster of Phi KNL / Y.. Kraeva, M.. Zymbler //Communications in Computer and Information Science.–2019.–Vol. 1003.– P.149-164
KUMAR, S. A machine learning approach to analyze customer satisfaction from airline tweets / S.. KUMAR, M.. Zymbler //Journal of Big Data.–2019.–Vol. 6 No. 1
Kumar, S. Internet of Things is a revolutionary approach for future technology enhancement: a review / S.. Kumar, P.. Tiwari, M.. Zymbler //Journal of Big Data.–2019.–Vol. 6 No. 1
Using Delaunay Triangulation for Fingerprint Template Generation / В.Ю. Гудков //Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника».–2019.–Том 19 № 3.– C.33-41
Zymbler, M. Discovery of Time Series Motifs on Intel Many-Core Systems / M.. Zymbler, Y.. Kraeva //Lobachevskii Journal of Mathematics.–2019.–Vol. 40 No. 12.– P.2124-2132
Zymbler, M. Time Series Discord Discovery on Intel Many-Core Systems / M.. Zymbler, A.. Polyakov, M.. Kipnis //Communications in Computer and Information Science.–2019.–Vol. 1063.– P.168-182
Зыкин, В.С. Обновление многотабличных представлений на основе коммутативных преобразований базы данных / В.С. Зыкин, М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика.–2019.–Том 8 № 2.– C.92-106
Краева, Я.А. Совместное использование технологий MPI и OpenMP для параллельного поиска похожих подпоследовательностей в сверхбольших временных рядах на вычислительном кластере с узлами на базе многоядерных процессоров Intel Xeon Phi Knights Landing / Я.А. Краева, М.Л. Цымблер //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2019.–Том 20 № 1.– C.29-44
Речкалов, Т.В. Параллельный алгоритм кластеризации данных для многоядерных ускорителей Intel MIC / Т.В. Речкалов, М.Л. Цымблер //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2019.–Том 20 № 2.– C.104-115
Цымблер, М.Л. ОБЗОР МЕТОДОВ ИНТЕГРАЦИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ В СУБД / М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика.–2019.–Том 8 № 2.– C.32-62
Цымблер, М.Л. Параллельный алгоритм поиска диссонансов временного ряда для многоядерных ускорителей / М.Л. Цымблер //Вычислительные методы и программирование: Новые вычислительные технологии (Электронный научный журнал).–2019.–Том 20 № 3.– C.211-223
Цымблер, М.Л. Параллельный поиск частых наборов на многоядерных ускорителях Intel MIC / М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика.–2019.–Том 8 № 1.– C.54-70
Цымблер, М.Л. Поиск ассоциативных правил в суперкомпьютерных рейтингах Top500 и Топ50 / М.Л. Цымблер, П.И. Шумилин //ПАРАЛЛЕЛЬНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ (ПАВТ'2019): Короткие статьи и описания плакатов XIII Международной научной конференции.–2019.– C.465-465
Kraeva, Y. An Efficient Subsequence Similarity Search on Modern Intel Many-core Processors for Data Intensive Applications / Y.. Kraeva, M.. Zymbler //CEUR Workshop Proceedings.–2018.–Vol. 2277.– P.143-151
Rechkalov, T.V A Study of Euclidean Distance Matrix Computation on Intel Many-Core Processors / T.V. Rechkalov, M.L. Zymbler //Communications in Computer and Information Science.–2018.–Vol. 910.– P.210-215
Rechkalov, T.V Integrating DBMS and Parallel Data Mining Algorithms for Modern Many-Core Processors / T.V. Rechkalov, M.L. Tcymbler //Communications in Computer and Information Science.–2018.–Vol. 822.– P.230-245
Use of Deep Learning for Sticker Detection during Continuous Casting / Faizullin, A. //Proceedings - 2018 Global Smart Industry Conference, GloSIC 2018.–2018
Zymbler, M. Parallel Algorithm for Frequent Itemset Mining on Intel Many-core Systems / M.. Zymbler //Journal of Computing and Information Technology.–2018.–Vol. 26 No. 4.– P.209-221
Речкалов, Т.В. ПАРАЛЛЕЛЬНЫЙ АЛГОРИТМ ВЫЧИСЛЕНИЯ МАТРИЦЫ ЕВКЛИДОВЫХ РАССТОЯНИЙ ДЛЯ МНОГОЯДЕРНОГО ПРОЦЕССОРА INTEL XEON PHI ПОКОЛЕНИЯ KNIGHTS LANDING / Т.В. Речкалов, М.Л. Цымблер //Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика.–2018.–Том 7 № 3.– C.65-82
Sokolinsky, L.B Preface / L.B. Sokolinsky, M.L. Tcymbler //Communications in Computer and Information Science.–2017.–Vol. 753.– P.6-6
Tcymbler, M.L Accelerating Dynamic Itemset Counting on Intel many-core systems / M.L. Tcymbler //2017 40th International Convention on Information and Communication Technology, Electronics and Microelectronics, MIPRO 2017 - Proceedings.–2017.– P.1343-1348
Tcymbler, M.L An Approach to Data Mining Inside PostgreSQL Based on Parallel Implementation of UDFs / M.L. Tcymbler, T.V. Rechkalov //CEUR Workshop Proceedings.–2017.–Vol. 2022.– P.114-121
Цымблер, М.Л. Rechkalov T., Zymbler M. An Approach to Data Mining Inside PostgreSQL Based on Parallel Implementation of UDFs / М.Л. Цымблер //Аналитика и управление данными в областях с интенсивным использованием данных: Сборник научных трудов XIX Международной конференции DAMDID / RCDL'2017 (10–13 октября 2017 г., Москва, МГУ, Россия).–2017.–Том октябрь.– C.147-154
Участие во всероссийских и региональных научных конференциях: 
Большие данные в национальной экономике (2014)
Участие в международных научных конференциях: 
Параллельные вычислительные технологии (ПаВТ) 2019
Параллельные вычислительные технологии (ПаВТ) 2018
Международная научная конференция «Параллельные вычислительные технологии 2016» (2016)
MIPRO 2015 - 38th International Convention (2015)
Параллельные вычислительные технологии 2015
Параллельные вычислительные технологии 2014
Научный сервис в сети Интернет: многообразие суперкомпьютерных миров (2014)
Параллельные вычислительные технологии 2013
Научный сервис в сети Интернет: поиск новых решений (2012)
Финансируемые российские научно-исследовательские проекты и гранты: 
Грант РНФ 23-21-00465 «Методы, модели и алгоритмы интеллектуального анализа временных рядов на основе интеграции параллельных вычислений и нейросетевых технологий» (2023–2024, руководитель)
Грант РФФИ 20-07-00140-а «Разработка высокомасштабируемых методов и алгоритмов интеллектуального анализа сверхбольших временных рядов на вычислительных кластерах с многоядерными ускорителями» (2020–2022, руководитель)
Грант РФФИ 17-07-00463-а «Разработка высокомасштабируемых методов и алгоритмов интеллектуального анализа распределенных данных на высокопроизводительных компьютерных системах с кластерной архитектурой» (2017–2019, руководитель)
Кандидатские диссертации, защищённые под руководством НПР: 
Зыкин Владимир Сергеевич. Методы и алгоритмы поддержки целостности реляционных баз данных в приложениях классов OLAP и OLTP. Диссертационный совет Д 212.298.18 (Южно-Уральский государственный университет (национальный исследовательский университет)). Специальность 2.3.5. Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей. 2020 г.
Пан Константин Сергеевич. Методы внедрения фрагментного параллелизма в последовательную СУБД с открытым исходным кодом. Диссертационный совет Д 212.298.18 (Южно-Уральский государственный университет (национальный исследовательский университет)). Специальность 2.3.5. Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей. 2013 г.
Достижения, поощрения и награды: 
Диплом за победу в международном конкурсе SMS Group Data Challenge (2017 г.)
Диплом лауреата Конкурса прикладных разработок и исследований корпорации Intel в области компьютерных технологий «Компьютерный континуум: от идеи до воплощения» (2011 г.)
Почетная грамота Администрации города Челябинска за многолетнюю плодотворную работу по подготовке высококвалифицированных специалистов (2017 г.)
Почетная грамота Минобрнауки России за многолетний добросовестный труд в системе высшего профессионального образования (2013 г.)
Почетное звание «Почетный работник сферы образования Российской Федерации» за значительные заслуги в сфере образования и многолетний добросовестный труд (2020 г.)
Повышение квалификации: 
Инструменты цифровой трансформации университета (16 ч., 2022 г.)
Инструменты коммуникации в цифровой среде (продвинутый уровень) (16 ч., 2022 г.)
Erasmus+ Teaching Global Mobility Program (Data Mining course) (40 ч., 2017 г.)
InternationaI Convention on Information and Communication Technology, Electronics and Microelectronics (36 ч., 2017 г.)
Huizingh Academic Development Masterclass on Academic Writing (16 ч., 2016 г.)
Database and Expert Systems Applications - 24th International Conference DEXA 2013 (24 ч., 2013 г.)
Применение технологий высокопроизводительных распределенных вычислений MapReduce для анализа сверхбольших объемов данных на кластерных системах (72 ч., 2013 г.)
Вы нашли ошибку в тексте:
Просто нажмите кнопку «Сообщить об ошибке» — этого достаточно. Также вы можете добавить комментарий.