• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Цифровые платформы как объекты вероятностного прогнозирования эффективности обучения русскому языку как иностранному

Чертоганов К. А.

Лингвориторическая парадигма: теоретические и прикладные аспекты. 2026.

Глава в книге
Data Centers HVAC abnormal operating behaviour Detection with semi-supervised data-driven approaches

Manjurov A., Polyakov S., Ali S. et al.

In bk.: Conference Proceedings: 2026 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT), 14-15 May 2026. IEEE, 2026. P. 1-4.

Препринт
Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset

Меньшиков И. А., Бернадотт А. К., Elvimov N. S.

Statistical mechanics. arXie. arXive, 2025

Семинар ММИТ. Доклад Никиты Драгунова

Мероприятие завершено
Приглашаем 15 июня 2026 г. в 12:00на семинар "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. Драгунов Никита Аркадьевич (ФИЦ ИУ РАН) выступит с докладом по теме «Поиск частых (нечастых) элементов декартова произведения конечных частичных порядков и приложения».

В докладе представлены результаты диссертации Н. А. Драгунова на соискание ученой степени кандидата физико-математических наук «Поиск частых (нечастых) элементов декартова произведения конечных частичных порядков и приложения». Работа посвящена разработке вычислительно эффективных методов логического анализа данных, представленных в виде декартова произведения конечных частично упорядоченных множеств, и приложениям этих методов в дискретной математике и машинном обучении. Получены следующие результаты:

Исследована актуальная задача поиска по базе транзакций максимальных частых и минимальных нечастых элементов декартового произведения частичных порядков P. Для её решения предложен эффективный в «типичном случае» алгоритм. Указанный алгоритм адаптирован для решения важной в дискретной математике задачи расшифровки двузначной монотонной функции, определённой на элементах множества P и принимающей значение 0 и 1 соответственно на частых и нечастых элементах этого множества.

Рассмотрен подход к задаче классификации по прецедентам, базирующийся на применении аппарата дискретной математики (логических методов анализа данных). Исследована возможность сокращения временных затрат на стадии обучения корректного логического классификатора. Предложены новые модели классификаторов, основанные на поиске в описаниях прецедентов часто встречающихся фрагментов специального вида, названных правильными элементарными классификаторами. Эффективность предлагаемых моделей классификаторов обоснована экспериментально и подтверждена теоретическими оценками сложности их обучения. А именно, получены асимптотические оценки типичного числа и оценки типичного ранга правильных элементарных классификаторов..