Д-р Ваграм Артурович Мартиросян

Наука

Индустрия (избранное)

Авторские рукописи →

• Martirosyan, V. “Accuracy and Interpretability from a Single Solver: Polynomial Regression up to Degree 5 for Concrete Compressive Strength Prediction.” PDF
  ICACTE 2026 (IEEE-indexed conference), 2026.

  Степень 5: R² = 0.859, RMSE 6.25 МПа; сокращение числа членов на 88%, при этом 74% оставленных членов соответствуют известной физике бетона; единое решение в замкнутой форме, без градиентного спуска.
• Martirosyan, V. “Efficient and Interpretable On-Device Polynomial Inference for Multi-Variable Ocean Profiling.” PDF
  eICocean 2027 (принято), 2027.

  Температура R² = 0.973, солёность 0.794, растворённый кислород 0.895; вывод 4.4 мкс на настольном ПК; 0.88 мс на ESP32 и 1.12 мс на RP2350; 180 мкДж/96 мкДж на один вывод.
• Martirosyan, V. “Automated Multi-Class ECG Arrhythmia Classification Using an Ensemble of Polynomial Regression Models.” PDF
  IEEE ICCA 2026 (принято), 2026.

  Сбалансированная точность 78.32%, macro-F1 68.23%; разреживание сокращает 123.1 млн членов до 330 тыс. — 1.3 МБ, сокращение на 99.7% — в пределах ≈1 п.п.
• Martirosyan, V. “LEAP: Lifting Legacy x86-64 Binaries to Recompilable IR for Automatic Parallelization.” PDF
  ITCA 2026 (принято), Dec 2026.

  Исследование подъёма 43 программ: 100% при -O0 и 98% при -O1/-O2/-O3; геометрическое среднее 3.7× из исходного IR; поднятый бинарный код 10.4× относительно -O0 и 2.2× относительно -O2; пиковая выгрузка на GPU 958×; пройдено 377/377 тестов.
• Martirosyan, V. “Deterministic and Auditable On-Device Polynomial Inference for On-Board SAR Oil-Spill Screening.” PDF
  IEEE EIECS 2026 (принято), 2026.

  Модель int8: 657 КБ → 82 КБ при G-mean 0.822; модель 15 КБ при G-mean 0.803 помещается на ATmega328P; 3.76-9.2 мс/тайл на реальных микроконтроллерах.
• Tsyvarev, A. V., Martirosyan, V. A. “Testing of Linux File System Drivers.” DOI
  Proceedings of the Institute for System Programming of the RAS, vol. 23, pp. 413-426, 2012.
• Tsirunyan, K., Martirosyan, V., Tsyvarev, A. “The Spruce System: Quality Verification of Linux File Systems Drivers.” DOI
  SYRCoSE 2012, May 2012.
• Martirosyan, V., Gishyan, S., Shatokhin, E. “Dynamic Verification of Linux File System Drivers.” Link
  Computer Science and Information Technologies Conference (CSIT 2011), Yerevan, Sep 2011.
• Martirosyan, V. et al. “The Spruce System: Linux Kernel Module Verification Automation (in Russian).”
  7th Annual Conference of RAU, Dec 2012.
• Martirosyan, V. et al. “Fault Simulation in Linux Kernel Module Verification (in Russian).”
  7th Annual Conference of RAU, Dec 2012.
• Martirosyan, V. “Linux Verification - Challenge of Today.” Link
  7th Annual Conference of RAU, Dec 2012.
• Martirosyan, V. et al. “X2C - XML To Code: Advantages of Standards.”
  4th Scientific Annual Conference of RAU, Dec 2009.
• Martirosyan, V. et al. “X2C: Code Generation Technology.”
  .
• Martirosyan, V. “Programming via Operating Systems.”
  Hilfmann Press, Feb 2022.
• Martirosyan, V. “Programming via Operating Systems, Second Edition.” Link
  Hilfmann Press, Sep 2024.
• Martirosyan, V., Shatokhin, E., Rubanov, V. “Basics of Programming in OS Linux Environment (in Russian).” Link
  MIPT, Apr 2011.
• Martirosyan, V. et al. “Tutorial: Programming in GNU/Linux Environment - From System Calls to the GUI (in Russian).” Link
  RAU Publishing, Dec 2010.
• Martirosyan, V. “Распараллеливание алгоритма обращения Мура–Пенроуза двухдиагональной матрицы специального вида.”
  Herald of Russian-Armenian (Slavonic) University, 2009.
• Hakopian, Yu. R., Martirosyan, V. “О распараллеливании алгоритма псевдообращения матриц.”
  2009.
• Martirosyan, V. “Алгоритм псевдообращения двухдиагональных матриц.”
  Herald of Russian-Armenian (Slavonic) University, 2008.
• Martirosyan, V. “О псевдообращении двухдиагональных матриц.”
  Annual Scientific Conference of Russian-Armenian University, 2007.

• Martirosyan, V. “Interpretable Polynomial Zone Ensembles for Global Ocean Temperature and Salinity Profile Reconstruction.”
  На рассмотрении, Q1 journal (TGRS / JAMES / Comput. Geosci.), 2026.

  WOA 2018, 534 090 образцов; объединённый R² = 0.9703 температура / 0.8376 солёность; вывод менее миллисекунды, объём менее мегабайта.
• Martirosyan, V. “Depth-Zone Polynomial Regression for Global Ocean Climatology.”
  На рассмотрении, IEEE journal (Q1 attempt), 2026.

  IAP T/S Climatology 2024; эластичная сеть, модели степени 6 по зонам: перемешанный слой, термоклин, глубинный океан; пространственно адаптивная подвыборка 534K → 177K строк.
• Martirosyan, V. “Efficient Multi-Class ECG Classification Using Polynomial Regression with an Analytical Solver.”
  Applied Computational Intelligence and Soft Computing (major revision), 2026.

  Точность шестиклассовой классификации 82.75% ± 1.03%, macro-F1 0.758; вывод 12 мкс; превосходит базовые модели CNN, случайного леса, XGBoost и SVM.
• Martirosyan, V. “Sparse Polynomial Regression for Interpretable Yield-Strength Prediction in High-Entropy Alloys.”
  На рассмотрении, IEEE ITT 2026, 2026.

  Степень 3: R² = 0.738 при n=1,014, статистически на уровне случайного леса и XGBoost и значимо выше нейронной сети (0.618); 8 из 11 оставленных членов соответствуют известным механизмам упрочнения; R² = 0.841 только для BCC.
• Martirosyan, V. “Efficient Crop Type Mapping via Degree-2 Polynomial Feature Expansion of Multi-Temporal Optical and SAR Data.”
  Подано в IEEE TGRS, 2026.

  Точность на тесте и macro-F1 98.67%; обучение за 2.3 с на 16 ядрах; ускорение SIMD 17×.
• Martirosyan, V. and N. Martirosyan “Physics-Informed Polynomial Regression for Certified Concrete Mix Design.”
  На рассмотрении, ICACTE 2027, 2026.

  Физически обоснованная SRPR степени 3: R² = 0.919, RMSE 4.73 МПа; сертифицированное глобальное обратное проектирование с экономией 10.6-14.5% по стоимости и 16.7% по CO_2 относительно лучших измеренных составов; интерпретируемые правила проектирования на основе замены клинкера.
• Martirosyan, V. “Высокая точность без сигнала: аудит идентифицируемости и внешней валидации климатического и азотного отклика в данных по урожайности зерновых Китая.”
  Computers and Electronics in Agriculture (подано), 2026.

  Панель из 5 316 строк по провинциям для кукурузы, риса и пшеницы Китая (1961–2024) и сетка 0.5° из 12 534 строк; R² уровня 0.50–0.92, но R² аномалий в основном −0.09…0.08; внешняя валидация не подтверждает временной климатический или азотный отклик.
• Martirosyan, V. and N. Martirosyan “Интерпретируемые полиномиальные сурогаты для скрининга галогенидных перовскитов: очищенные по области ширины запрещённой зоны, идеальные тандемные пределы и границы прогнозного моделирования.”
  Solar Energy Materials and Solar Cells (подано), 2026.

  31 618 очищенных галогенидных перовскитов; кубическая SRPR со сжатием коэффициентов: MAE 21.0 мэВ / R² 0.794 при групповой CV; сетка из 101 871 точки даёт 34 014 кандидатов и 362 точки Парето; лучшая идеальная двухтерминальная тандемная пара 43.73% (не заявление об устройстве).

• Martirosyan, V. “Interpretable Polynomial Zone Ensembles for Global Ocean Temperature and Salinity Profile Reconstruction.”
  Подготовлено для IEEE JSTARS, Oct 2026.
• Martirosyan, V. “hpc++: An LLVM-Based Automatic Parallelization System for C++ with GPU Acceleration.” PDF
  arXiv, Dec 2025.

  7 стратегий распараллеливания, без изменения исходного кода; пик 2009.4× на GPU и 32.1× на CPU; численная корректность на 134 модульных и 18 интеграционных тестах.
• Martirosyan, V. “Auditable Kilobyte-Scale Surrogates for the Global Significant-Wave-Height Climatology.” PDF
  Подготовлено для IEEE JSTARS, 2027.

  R² = 0.945, RMSE 0.262 м; R² = 0.933 при удержании ячеек; прибрежный R² улучшается с 0.34 до 0.52 с использованием данных буёв in-situ.
• Martirosyan, V. “Polynomial Regression Models for Interpretable Machine Learning: Theory, Optimization, and Medical Applications.”
  Подготовленная рукопись, Feb 2026.
• Martirosyan, V. “Stagewise Regularized Polynomial Regression: A Hybrid Optimization Strategy for Medical Diagnosis on Small Datasets.” PDF
  Подготовленная рукопись, Feb 2026.

  Точность 86.7% на UCI Cleveland Heart Disease; сжатие модели на 93%; ≈36 FLOP на предсказание.
• Martirosyan, V. “Heart Disease Diagnosis Using Third-Order Polynomial Regression Models with L2 Regularization.” PDF
  Подготовленная рукопись, Feb 2026.

  Точность 81.8%, 10-кратная кросс-валидация; полная интерпретируемость через явные полиномиальные коэффициенты.
• Martirosyan, V. “Explainable and Efficient Digit Classification via Polynomial Regression Networks: A Transparent Alternative to Deep Learning.” PDF
  arXiv, Jan 2026.

  Средняя точность 96.85% на MNIST; сокращение числа параметров на 84% при потере точности менее 1%.
• Martirosyan, V. “Blended Ocean Visualization: Combining Sparse Polynomial Regression with Residual Fields.” PDF
  Рабочая рукопись, 2026.

  Рабочая рукопись, 2026.
• Martirosyan, V. “Portability and Limits of an Interpretable Polynomial Framework: A Global Significant-Wave-Height Case Study.” PDF
  Рабочая рукопись, 2026.

  Anomaly R² = 0.875; offshore buoy RMSE ≈0.5 m; negative result reported for a distance-to-coast feature.
• Martirosyan, V. “Deep-Ocean Temperature Profile Reconstruction via Interpretable Polynomial Zone Ensembles.”
  Рабочая рукопись, 2026.

  Stagewise-Rank-Polynomial-Regression; 5,005-term basis; 2.6 µs per-profile inference in C++; edge-deployment analysis.
• Martirosyan, V. “Global Ocean Salinity Profile Reconstruction with Interpretable Polynomial Zone Ensembles.”
  Рабочая рукопись, 2026.

  WOA dataset; degree-8 expansion, 2,001 coefficients per zone; 23 µs inference; river-mouth salinity correction; residual ensemble.

• Jinnetic Engineering by Richard Stallman, translated into ArmenianLink
  Dec 2010.