Семинары 2015 года

Докладчик: Michael Zakharyaschev, professor of computer science at Department of Computer Science and Information Systems, University of London, Birkbeck.

Докладчик: Сергей Николенко, НИУ ВШЭ в Санкт-Петербурге, старший научный сотрудник Лаборатории интернет-исследований, доцент Департамента прикладной математики и бизнес-информатики

Тема: Сетевые алгоритмы: конкурентный анализ и классификация пакетов

Аннотация: Доклад будет состоять из двух частей. В первой части мы обсудим задачу конкурентного анализа алгоритмов управления буфером в худшем случае и рассмотрим последние результаты на эту тему: анализ алгоритмов управления буфером в случае пакетов с разнородными требованиями к обработке и с несколькими разнородными характеристиками. Вторая часть будет посвящена задаче оптимизации булевых классификаторов; мы поставим задачу и обсудим последнее важное продвижение в этой области: понятие порядковой независимости.

Abstract: Tandem mass spectrometry has been extensively used to determine the amino acid sequence of a protein molecule. Amino acids are the building blocks of protein molecules, traditionally, there are 20 of them, and knowing the amino acid sequences of proteins gives us important insight to the function and structure of the protein molecule.

A protein first in vitro has been cut into smaller pieces, called peptides, to avoid experimental complexity. A mass spectrometer is then used to measure the mass distribution (spectrum) of the peptide fragments. These spectra, generated, can be considered as fingerprint of the peptide molecule. Computational programs are then applied to identify the amino acid sequence of proteins from mass spectrum data.

In this presentation, I will give a general introduction to the computational challenges that scientist faces every day in mass spectrometry data analysis.

Тема :  A Characterization of the Single-Peaked Domain

Докладчик: Prof. Dr. Clemens Puppe, Chair, Economic Theory Karlsruhe Institute of Technology (KIT)  

Аннотация: Наиболее известные результаты теории коллективного выбора (social choice theory) это так называемые теоремы о невозможности, первой из которых была хорошо известная теорема (парадокс) Эрроу. Эти теоремы утверждают несуществование правил агрегирования, которые сохраняют некоторые множества систем индивидуальных систем предпочтений и удовлетворяют некоторым естественным условиям. С. Шелах показал (2005), что при некоторых ограничениях каждое симметричное множество систем индивидуальных предпочтений обладает свойством Эрроу. Под системой предпочтений в работе Шелаха понимается произвольная r-функция выбора, т.е. функция выбора, определенная на множестве всех r-элементных подмножеств конечного множества альтернатив для некоторого натурального числа r. Нам удалось снять эти ограничения и построить полную классификацию симметричных множеств r-функций выбора, обладающих свойством Эрроу. Оказывается, рассматриваемая задача хорошо формулируется на языке соответствия Галуа для классов дискретных функций, что позволяет воспринимать теорему Шелаха и полученное нами  усиление как новые результаты теории функционально  замкнутых классов. Промежуточным результатом в доказательстве усиленной версии теоремы Шелаха о свойстве Эрроу явилась  простая теорема о классификации симметричных квазитривиальных (консервативных) клонов с конечным носителем.

Аннотация: Доклад посвящен двухфазовому алгоритму классификации данных, представленных графами, с помощью ассоциативных правил. 1 шаг - поиск "соседей" с помощью ядер, 2 шаг - поиск классифицирующих правил среди отобранных "соседей". Будет представлен алгоритм ленивой классификации на основе минимальных гипотез и его реализация на Apache Spark. В качестве приложения выступит задача определения свойств химических веществ - токсичность, канцерогенность и другие.

Тема: "Исследование и разработка системы аргументации на основе пересматриваемых рассуждений для задачи обобщения"

Докладчик: Моросин Олег Леонидович, аспирант НИУ МЭИ.

Аннотация: Исследуется модель правдоподобного вывода, основанного на теории аргументации в интеллектуальных системах, и его применение в машинном обучении.  В работе предложены методы и алгоритмы, базирующиеся на классическом методе представления знаний в виде выражений логики предикатов первого порядка, но, в отличии от систем классического логического вывода, допускающие  наличие противоречий в исходных данных. Кроме того, рассматривается   модель применения предложенных методов для улучшения качества классификационных моделей, получаемых при решении задачи обобщения

Тема: "Алгоритмы фильтрации сигналов с трендом в задачах обнаружения разладки"

Докладчик: Алексей Артемов, аспирант физического факультета МГУ, инженер по анализу данных компании “Яндекс”.

Аннотация: В работе рассматривается ряд задач анализа моделей случайных сигналов с трендом, в том числе задача оптимальной фильтрации сигнала с полиномиальным трендом, наблюдаемого во фрактальном гауссовском шуме, и задача непараметрической оценки квазипериодического сигнала, с применением к детектированию разладок в сложных инженерно-технических и информационных системах. В качестве нового метода обнаружения разладки предлагается и исследуется подход, основанный на совместном использовании нескольких процедур обнаружения разладки в составе ансамбля. Эффективность предложенных методов демонстрируется с помощью численного моделирования; представляются результаты их применения на реальных данных.

Тема: "Алгоритмы извлечения из неструктурированных текстовых источников метаинформации о научно-технических конференциях"

Докладчик: Бахтин А.В., Мех. - мат. МГУ,аспирант.

Аннотация: Информация о деятельности мирового научного сообщества является важной при решении ряда аналитических задач. Примером такой задачи является определение скорости развития и уровня интереса к тому или иному направлению научных исследований. Традиционный подход к оценке научной активности, основанный на анализе публикаций, не позволяет достичь достаточной оперативности в связи с существенной задержкой между датой создания работы и датой её публикации.

В данной работе используется принципиально другой подход. Данные извлекаются из сообщения о предстоящих научно-технических конференциях, что позволяет не только избавиться от задержки, но и предсказывать актуальность научных направлений в ближайшем будущем. В работе предложены модели и алгоритмы извлечения метаинформации из сообщений о конференциях, а также алгоритмы анализа и визуализации информации об актуальности различных направлений исследований

Тема: "On computing all abductive explanations from a propositional Horn theory"

Докладчик: Kazuhisa Makino, Research Institute for Mathematical Sciences (RIMS) at Kyoto University.

Тема: "Использование разреженных представлений для работы с эффектом Гиббса на изображениях"

Докладчик: Умнов Алексей Витальевич, преподаватель департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ.

Аннотация: Разреженные представления - подход к обучению представлений, широко используемый в области обработки изображений. Его основная идея состоит в том, чтобы сделать преобразование исходных данные таким образом, чтобы для представления каждого объекта использовалось лишь небольшое подмножество базисных элементов. Во многих задачах обработки изображений это позволяет сделать представление устойчивым и информативным. Одна из таких задач - определение изображений с эффектом Гиббса, артефактом, возникающим при искажении или потере информации о высоких частотах на изображении

Тема: "Консолидация разноточных данных с использованием гауссовских моделей"

Докладчик: Зайцев Алексей, аспирант ИППИ РАН, научный сотрудник ИППИ РАН сектора интеллектуального анализа данных и моделирования.

Аннотация:Часто в инженерной практике возникает задача консолидации разноточных данных: нужно построить регрессионную модель в случае, если помимо выборки значений точной функции задана вторая выборка большего размера, содержащая значения грубой функции (некоторого приближения точной функции).

Например, точная функция --- значения подъемной силы крыла самолета, измеренные в аэродинамической трубе, а грубая функция --- значения подъемной силы крыла самолета, полученные с помощью численного моделирования. Эксперименты в аэродинамической трубе позволяют получать точные значения подъемной силы, но при этом затратны по времени и ресурсам, в отличие от виртуальных экспериментов, проводимых на основе компьютерного моделирования. Таким образом, если мы строим регрессионную модель зависимости подъемной силы крыла самолета от геометрических параметров крыла, мы вынуждены работать с небольшой выборкой, полученной с помощью аэродинамической трубы, и большой выборкой, полученной с помощью менее точного численного моделирования.

Для моделирования разноточных данных удобной оказывается модель регрессии на основе гауссовских процессов, с помощью которой можно эффективно восстанавливать нелинейные зависимости и оценивать точность прогноза зависимости в заданной точке. Однако, при выборках размера больше нескольких тысяч точек непосредственное применение регрессии на основе гауссовских процессов становится невозможным из-за высокой вычислительной сложности алгоритма.

Доклад состоит из двух частей. В первой части рассмотрены теоретические свойства регрессии на основе гауссовских процессов и доказана теорема о качестве байесовской процедуры для оценки параметров гауссовского процесса. Во второй части описан алгоритм, который позволяет работать с большими выборками разноточных данных с помощью аппарата регрессии на основе гауссовских процессов. Приводятся примеры применения разработанных алгоритмов для решения задач суррогатного моделирования и оптимизации сложных инженерных конструкций."

 Доклад сделан на основе публикаций:

1. Properties of the posterior distribution of a regression model based on Gaussian random fields by A.A. Zaitsev, E.V. Burnaev and V.G. Spokoiny, Automation and Remote control, 2013,

3.  Properties of the Bayesian Parameter Estimation of a Regression Based on Gaussian Processes, by A.A. Zaitsev, E.V. Burnaev and V.G. Spokoiny, Journal of Mathematical Sciences, 2013

4. Variable fidelity surrogate modeling using low fidelity function blackbox and sparsification by A.Zaitsev and E.Burnaev, submitted to Technometrics, 2015

Тема: "Доказательная медицина и интеллектуальный анализ данных в клинической информатике  с помощью системы FCART"

Докладчик: Незнанов Алексей Андреевич, к.т.н., доцент департамента анализа данных и искусственного интеллекта, старший научный сотрудник НУЛ "Интеллектуальные системы и структурный анализ"

Аннотация: Доказательная медицина [evidence-based medicine] – явное, систематическое и сознательное использование актуальных научных данных при принятии врачебных решений. Формально это методология медицинской практики, опирающаяся на проверку эффективности любых клинических действий, причём эффективность обосновывается контролируемыми клиническими исследованиями (КИ).

Методология доказательной медицины развивается более полувека, хотя сам термин утвердился только в 1990 году. Математической основой проведения и анализа результатов КИ является медицинская статистика. Но в последние годы мы наблюдаем революцию в анализе медицинских данных, связанных с развитием медицинской информатики. Её часть - клиническая информатика - занимающаяся поддержкой непосредственно клинической деятельности, "завязана" на КИ. Возникает вопрос: как связана философия доказательной медицины и методология КИ с технологиями интеллектуального анализа и обработки больших данных? В докладе также затронуты вопросы:

Тема: "Исследование образной и процедурной компонент элементов картины мира субъекта деятельности"

Докладчик: Панов Александр Игоревич, ИСА РАН

Аннотация: Картина мира субъекта поведения является основой различных психических функций: восприятия, категоризации, обобщения, целеполагания, планирования, и др. Исследование процессов построения модели картины мира субъекта носит междисциплинарный характер - на стыке нейрофизиологии, психологии и искусственного интеллекта. В докладе рассматриваются свойства образной и процедурной компонент элементов картины мира. Строятся динамические и иерархические операторы распознавания, исследуется корректность их линейных замыканий. Процедурная компонента описывается с помощью систем правил. Исследуется связь образной и процедурной компонент элементов картины мира.

Тема: Сложность распознавания принадлежности слова регулярному языку, заданному набором регулярных выражений

Докладчик:  Дмитрий Александров, аспирант кафедры Математической теории интеллектуальных систем механико-математического факультета МГУ

Аннотация: Доклад посвящен основным видам конечных конечных автоматов, используемых для поиска по регулярным выражениям: простейшие (ДКА, НКА), с модифицированными переходами (Ахо-Корасик, Д2КА) и автоматы с расширенными состояниями (DualFA, РДКА).

Также предложен подход к модификации одного из классов регулярных выражений для снижения автоматной сложности распознавания.

Аннотация: Доклад посвящен сравнительному анализу методов определения сходства между графами. Этот вопрос возникает во многих приложениях анализа данных: в анализе социальных и биологических сетей, обработке изображений, исследовании свойств химических веществ и компьютерном зрении. Определение сходства двух объектов со сложной структурой - непростой вопрос, допускающий много решений. В случае с графами возникает дилемма сложности и качества вычисления такого сходства.Будут рассмотрены некоторые алгоритмы из двух семейств методов поиска сходства между графами - поиск точного сходства (exact matching) и поиск приближенного сходства (inexact matching).