• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

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.

Заголовок страницы

28 сентября 2022 г. состоялся семинар по теме "Математическое моделирование полимерных цепей в задачах предсказания транспортных характеристик стеклообразных полимеров". 
Докладчик: Милосердов Олег Александрович, Институт проблем управления им. В.А. Трапезникова РАН.
Аннотация: В докладе предлагается разработка математических моделей и алгоритмов предсказания свойств и поиска веществ с заданными физико-химическими свойствами и применение их для выработки рекомендаций по синтезу перспективных соединений на примере задач предсказания транспортных характеристик полимеров, используемых в мембранном газоразделении. В частности, описывается метод моделирования конформаций полимерных цепей, позволяющий получить реалистичные молекулы полимерных цепей, необходимые для вычисления поверхностных и поверхностно-зарядных геометрических индексов. Предлагается семейство геометрических молекулярных дескрипторов, основанных на анализе кривых зависимости площади поверхности молекул доступной для «обкатки» от радиуса «обкатки», которое затем используется в качестве объясняющих переменных в регрессионных моделях. Также приводится описание разработанного комплекса программ,  позволяющего полностью автоматизировать процесс моделирования полимерных цепей и предсказания их транспортных характеристик. Демонстрируется эффективность разработанных методов и алгоритмов в задачах предсказания транспортных характеристик полимерных мембран.

Запись семинара можно посмотреть по ссылке 


06 июля 2022 г. состоялся семинар по теме "Методы переноса знаний для нейросетевых моделей обработки естественного языка". 
Докладчик: Коновалов Василий Павлович, Лаборатория нейронных систем и глубокого обучения, МФТИ.
Аннотация: Традиционная парадигма машинного обучения с учителем сталкивается с трудностями, когда нет достаточного количества размеченных данных для обучения целевой задачи на целевом домене. Перенос знаний позволяет использовать результаты, полученные при решении некоторой исходной задачи на исходном домене, для решения целевой задачи на целевом домене. Применение последовательного переноса знаний, путем использования векторных представлений слов, является стандартной практикой при решении задач NLP. В работе сравниваются нейросетевые и частотные методы создания векторных представлений слов для малоресурсных языков, для которых доступна лишь ограниченная обучающая выборка. В работе показано, что межъязыковой перенос позволяет использовать общедоступные обучающие данные английского языка при дообучении M-BERT для вопросно-ответной задачи, таким образом, отсутствует необходимость в сборе полноценного обучающего датасета целевого языка. Экспериментально установлено, что применяя метод межъязыкового переноса, M-BERT, дообученный с применением многоязычной обучающей выборки, имеет сопоставимое качество с языко-специфичными BERT для вопросно-ответной задачи, тем самым отпадает необходимость в вычислительных ресурсах для предобучения языко-специфичных BERT. Разработана оригинальная модель отслеживания состояния диалога GOLOMB, используя последовательный перенос вопросно-ответной модели.

Запись семинара можно посмотреть по ссылке 


17 июня 2022 г. состоялся семинар по теме "Задачи верификации и воспроизводимости экспериментов машинного обучения в проекте MLDev ". 
Докладчики: Якушева Софья Федоровна (МФТИ, MLDev), Xританков Антон Сергеевич (МФТИ, НИУ ВШЭ, MLDev). 
Аннотация: Мы решаем задачу построения систем доверенного ИИ путем совмещения методов тестирования инвариантами и статистического анализа многостадийных экспериментов в машинном обучении. В докладе расскажем об текущих задачах по обеспечению воспроизводимости и применении разработанного метода составных инвариантов к тестированию системы анализа генетических данных.

Записи семинара можно посмотреть по ссылке 


30 мая 2022 г. состоялся семинар по теме "Методы и алгоритмы нейро-символьного представления сцен в мультимодальных задачах". 
Докладчик: Ковалёв Алексей, Высшая школа экономики, Институт искусственного интеллекта AIRI. 
Аннотация: В докладе будут представлены результаты исследований по нейро-символьному представлению сцен в мультимодальных задачах. Для построения нейро-символьного представления сцены используется векторно-семиотическая архитектура, которая представляет собой объединение векторно-символьной архитектуры и семиотического подхода. Такое представление позволяет кодировать сцену на объектном уровне в вектор высокой размерности, сохраняя при этом информацию о свойствах отдельных объектов. В дальнейшем эта информация используется для решения мультимодальных задач.


27 мая 2022 г. состоялся семинар по теме "HAO Intelligence for Big Wisdom"
Докладчик: Xindong Wu, Key Laboratory of Knowledge Engineering with Big Data (the Ministry of Education of China), Hefei University of Technology, China. 
Аннотация: We define Big Wisdom with a HAO Intelligence framework, which integrates human intelligence (HI), artificial intelligence (AI) and organizational intelligence (OI) for big data analytics. Big Wisdom starts with big data, discovers Big Knowledge, and facilitates human and machine synergism for complex problem solving. When the HAO Intelligence framework is applied to a regular (non-bigdata) environment, it becomes the well-known PEAS agent structure, and when the knowledge graph relies on domain expertise (rather than Big Knowledge), HAO Intelligence serves as an expert system.  We discuss streaming data and streaming features and instantiate HAO Intelligence with a case study to illustrate synergized HAO Intelligence.


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.


 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.