• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Efficient indexing of peptides for database search using Tide

Acquaye F. L., Kertesz-Farkas A., Stafford Noble W.

Journal of Proteome Research. 2023. Vol. 22. No. 2. P. 577-584.

Статья
Language models for some extensions of the Lambek calculus

Kanovich M., Kuznetsov S., Scedrov A.

Information and Computation. 2022. Vol. 287.

Статья
Triclusters of Close Values for the Analysis of 3D Data

Egurnov D., Ignatov D. I.

Automation and Remote Control. 2022. Vol. 83. No. 6. P. 894-902.

Глава в книге
Triclustering in Big Data Setting

Egurnov D., Точилкин Д. С., Ignatov D. I.

In bk.: Complex Data Analytics with Formal Concept Analysis. Springer, 2022. P. 239-258.

Глава в книге
Ontology-Controlled Automated Cumulative Scaffolding for Personalized Adaptive Learning

Dudyrev F., Neznanov A., Anisimova K.

In bk.: Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners’ and Doctoral Consortium -23rd International Conference, AIED 2022, Durham, UK, July 27–31, 2022, Proceedings, Part II. Springer, 2022. P. 436-439.

Глава в книге
Modeling Generalization in Domain Taxonomies Using a Maximum Likelihood Criterion

Zhirayr Hayrapetyan, Nascimento S., Trevor F. et al.

In bk.: Information Systems and Technologies: WorldCIST 2022, Volume 2. Iss. 469. Springer, 2022. P. 141-147.

Семинар ММИТ: Разработка методов и алгоритмов байесовской иерархическойвременной памяти для задач обучения с подкреплением

Мероприятие завершено

5 декабря 2025 г. в 12:00 в рамках семинара "Математические модели информационных технологий" Центра языковых и семантических технологий, департамента анализа данных и искусственного интеллекта, МЛ Интеллектуальных систем и структурного анализа под руководством С.О. Кузнецова состоится доклад Евгения Александрович Дживеликян(Институт Искусственного Интеллекта AIRI) по теме «Разработка методов и алгоритмов байесовской иерархической временной памяти для задач обучения с подкреплением» в формате онлайн конференции. 

 Аннотация:

В рамках семинара будет представлена работа по разработке и применению биологически интерпретируемой иерархической временной памяти (ИВП) для задач непрерывного обучения с подкреплением. Автор предлагает и исследует архитектуру агента, которая использует локальные, нейрофизиологически обоснованные правила обучения вместо обратного распространения ошибки, что позволяет агенту эффективно адаптироваться в нестационарных, стохастических и частично наблюдаемых средах. В докладе будут рассмотрены байесовская интерпретация модели, её реализация в виде распределённой хеббовской временной памяти (РХВП), а также алгоритм итеративной структуризации памяти на основе последовательных представлений для формирования обобщённых когнитивных карт. Экспериментально продемонстрировано преимущество предложенного подхода перед методами глубокого обучения в условиях необходимости онлайн-адаптации к непредсказуемым изменениям в среде.