Семинары и мероприятия лаборатории

Лаборатория проводит международные и периодические семинары, организует публичные лекции и участвует в различных мероприятиях НИУ ВШЭ.

Информация о планируемых мероприятиях публикуется на странице анонсов лаборатории.
На данной странице расположены мероприятия текущего года. О мероприятиях предыдущих годов вы можете узнать на странице Архива мероприятий.

На семинары открытый доступ для всех желающих.
Для студентов, аспирантов, преподавателей и сотрудников НИУ ВШЭ - вход свободный.
При необходимости заказа пропуска в здание НИУ ВШЭ просьба сообщить по e-mail: lantropova@hse.ru.

11 мая 2022 г. состоялся семинар по теме "Informative discourse feature selection for analysis of textual data". 
Докладчик: Гончарова Елизавета, м.н.с., Международная лаборатория интеллектуальных систем и структурного анализа. 
Аннотация: The presented research is dedicated to the analysis of the modern pre-trained language models (LMs) and their ability to inject linguistic features, such as discourse, during solving natural language processing tasks.Recent pre-trained LMs have shown state-of-the-art results on a bunch of NLP tasks, however, these models still suffer from the insufficient linguistic representation of a text that eventually leads to a low level of language understanding. In order to improve these models’ performance novel methods of discourse structure encoding have been proposed in the research. The introduced approaches allow us to incorporate discourse features into the LMs explicitly during pre-training or fine-tuning procedures without requiring significant modifications to the model's architecture. We provided the experimental evaluation of the discourse-aware models on various complex NLP tasks which are argumentation classification (AC), question answering (QA), and text summarization, and concluded that the modified models achieve results as good as or better than other discourse-free or more complex discourse-aware models on the well-known NLP benchmarks. Finally, the influence of discourse features on the models' explainability is considered. In the research, we introduced an independent explainability pipeline that is able to reveal relevant text spans based on the discourse relations assigned to them that can be used to explain deep learning models' decisions in supervised NLP tasks.

15 апреля 2022 г. состоялся семинар по теме "Less is more" based heuristics for Minimum sum-of-squares clustering".
Докладчик: Ненад Младенович, профессор Факультета проектирования промышленных систем, Университет Халифа, Абу-Даби, ОАЭ.
Аннотация: Less is more approach (LIMA) in Optimization has recently been proposed. Its basic idea is to include simplicity, beside the efficiency and the accuracy, in comparing the two algorithms. In this talk, beside classical local searches for solving Minimum sum-of-squares non-supervised learning problem, i.e., k-means, h-means and j-means, I will also present some new simple heuristics for a huge data set with several millions of entities: (i) One-pass k-means and (ii) Decomposition/aggregation k-means. Computational results will show benefits of including simplicity criterion in Big data analysis.

5 марта 2022 г. состоялся онлайн семинар по теме "Априорное распределение параметров в задачах выбора моделей глубокого обучения". 
Докладчик: Андрей Грабовой (МФТИ).
Аннотация: Работа посвящена выбору моделей глубокого обучения. Рассматриваются методы снижения пространства параметров моделей на основе дистилляции. Предлагается обобщение классической дистилляции используя выравнивания вероятностных пространств параметров модели учителя и ученика. Для снижения размерности пространства параметров используется информация об их априорном и апостериорном распределениях. Разобраны частные случае, когда учитель и ученик являются полносвязными и рекуррентными нейросетевыми моделями.

10 февраля 2022 г. состоялся онлайн семинар по теме "Персонализированная математическая модель роста первичной опухоли и вторичных отдаленных метастазов с различными вариантами скорости роста для больных раком молочной железы". 
Докладчик: Элла Тюрюмина, м.н.с., Международная лаборатория интеллектуальных систем и структурного анализа. 
Аннотация: Работа посвящена разработке персонализированной математической модели роста первичной опухоли и вторичных отдаленных метастазов для больных раком молочной железы в соответствии с новой объединенной TNM классификацией 8 издания для T1-3N0-3M0 и 5 подтипов ER/PR/HER2/Ki-67. Построено 3 математических модели: 1). Математическая модель роста первичной опухоли и вторичных отдаленных метастазов «CoMPaS» у больных РМЖ без метастазов в лимфатических узлах для T1-3N0M0; 2). Математическая модель роста первичной опухоли и вторичных отдаленных метастазов «CoM-III» у больных РМЖ c метастазами в лимфатических узлах для T1-3N1-3M0; 3). Объединённая математическая модель роста первичной опухоли и вторичных отдаленных метастазов «CoMBreC» для T1-3N0-3M0 и 5 подтипов ER/PR/HER2/Ki-67. В рамках диссертационного исследования разработаны и получены 3 свидетельства о государственной регистрации программ для ЭВМ: 1) № 2021616943 = Предиктор естественной истории РМЖ (CoMBreC); 2) № 2021616943 = Математическое моделирование роста вторичных отдаленных метастазов у больных с разными подтипами ER/PR/HER2/Ki-67 РМЖ; 3) № 2021667620 = Математическое определение периодов рецидива и смертности у больных со вторичными отдаленными метастазами с разными подтипами ER/PR/HER2/Ki-67 первичной опухоли РМЖ. Объединённая математическая модель роста первичной опухоли и вторичных отдаленных метастазов «CoMBreC» (T1-3N0-3M0) и сопутствующая компьютерная программа помогают: 1). моделировать рост первичной опухоли и вторичных отдаленных метастазов в зависимости от подтипа ER/PR/HER2/Ki-67 РМЖ и прогнозировать 10-15-летнюю выживаемость больных РМЖ; 2). определить различные периоды ранней диагностики для каждой конкретной больной с подтипами ER/PR/HER2/Ki-67 и стадией I/II/III РМЖ; 3). прогнозировать исход для каждой конкретной больной РМЖ с подтипами ER/PR/HER2/Ki-67 и стадией I/II/III РМЖ: полное выздоровление или рецидив.