Ivars Namatēvs

Mg.sc.ing.

Pētnieks

Strādā EDI kopš 2020. gada. Pētniecības intereses ir saistītas ar pārraudzīto un pašuzraudzīto mašīnmācīšanos, konkrētāk — ar kopiegulšanas prediktīvo arhitektūru (Joint Embedding Predictive Architecture, JEPA) pasaules modeļu veidošanai, kā arī ar latentās telpas ģeometrijas, atsaistīšanas un dinamikas izpēti, pielietojot dziļos neironu tīklus un izskaidrojošo mākslīgo intelektu, galvenokārt medicīnas attēlveidošanā.

Autors un līdzautors vairāk nekā divdesmit SCOPUS indeksētām zinātniskajām publikācijām ne tikai medicīnas jomā, bet arī pētījumos, kas saistīti ar lauksaimniecību, būvniecību, viedo enerģētiku un privātuma nodrošināšanu.

Projekti

Publikācijas

2026
Differentially Private Federated Learning for Remaining Useful Life Prediction(atveras jaunā logā)

Arturs Nikulins, Kārlis Freivalds, Ivars Namatēvs, Kaspars Sudars, Audris Arzovs, Wilhelm Söderkvist Vermelin, Madhav Mishra, Kaspars Ozols.

Applied Sciences, Sēj. 16 (6), lpp. 2784 (raksta numurs), MDPI

DOI(atveras jaunā logā)
2026
ConMonity: An IoT-Enabled LoRa/LTE-M Platform for Multimodal, Real-Time Monitoring of Concrete Curing in Construction Environments(atveras jaunā logā)

Namatēvs, I., Gaigals, G., & Ozols, K.

Sensors, Sēj. 26 (1), lpp. 14, MDPI
2025
Privacy Auditing of Lithium-Ion Battery Ageing Model by Recovering Time-Series Data Using Gradient Inversion Attack in Federated Learning(atveras jaunā logā)

Kaspars Sudars, Ivars Namatēvs, Arturs Nikulins, Kaspars Ozols

Applied Sciences (Switzerland), Sēj. 15 (10), MDPI
2025
Privacy Auditing of Lithium-Ion Battery Ageing Model by Recovering Time-Series Data Using Gradient Inversion Attack in Federated Learning(atveras jaunā logā)

Sudars, K., Namatevs, I., Nikulins, A., & Ozols, K.

Applied Sciences, Sēj. 15 (10), lpp. 5704, MDPI
2025
Privacy Auditing in Differential Private Machine Learning: The Current Trends(atveras jaunā logā)

Ivars Namatevs, Kaspars Sudars, Arturs Nikulins, Kaspars Ozols

Applied Sciences, Sēj. 15 (2), lpp. 647, MDPI

Ivars Namatēvs

Projekti

Publikācijas

Differentially Private Federated Learning for Remaining Useful Life Prediction(atveras jaunā logā)

ConMonity: An IoT-Enabled LoRa/LTE-M Platform for Multimodal, Real-Time Monitoring of Concrete Curing in Construction Environments(atveras jaunā logā)

Privacy Auditing of Lithium-Ion Battery Ageing Model by Recovering Time-Series Data Using Gradient Inversion Attack in Federated Learning(atveras jaunā logā)

Privacy Auditing of Lithium-Ion Battery Ageing Model by Recovering Time-Series Data Using Gradient Inversion Attack in Federated Learning(atveras jaunā logā)

Privacy Auditing in Differential Private Machine Learning: The Current Trends(atveras jaunā logā)