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

Открытые заседания Ученого совета ФКН

Открытое заседание Ученого совета ФКН 30 сентября 2021 года

Дата проведения: 30 сентября 2021 года
Время проведения: 18:00-19:00
Место проведения: Zoom

Повестка открытого заседания:

1. Научный доклад "Методы машинного обучения в функциональной геномике".
Докладчик - заведующий Международной лабораторией биоинформатики Попцова Мария Сергеевна.

Аннотация:

Геном представляет собой сложную систему взаимодействий функциональных элементов разных уровней организации - самой последовательности ДНК, мотивов, трехмерной структуры, элементов эпигенетического кода и кода вторичных структур ДНК. С помощью методов нейросетевого глубинного обучения стало возможным аггрегирование информации о функциональных элементах разных уровней клеточной организации - геномики, эпигеномики, протеомики, метаболомики - и других “омик”, с целью предсказания функциональных элементов, для которых эксперименты либо не достигли нужного качества, либо отсутствуют.

В докладе я расскажу о методах глубинного обучения, разрабатываемых в международной лаборатории биоинформатики для предсказания вторичных структур ДНК. Были разработаны модели на основе сверточных (CNN), рекуррентных (RNN),  генеративно-состязательных (GAN) сетей, а также методы переноса обучения с доменной адаптацией для задач предсказания квадруплексов и Z-ДНК. Также будут представлены разрабатываемые в лаборатории подходы из области объяснительного искусственного интеллекта (XAI) для определения значимых паттернов ассоциации эпигенетического кода и кода вторичных структур ДНК.


2. Научный доклад "Расширение сетей Петри для моделирования и верификации систем с взаимодействующими агентами, параллелизмом и длительными действиями".
Докладчикзаведующий Научно-учебной лабораторией процессно-ориентированных информационных систем (ПОИС) Ломазова Ирина Александровна.

Аннотация:

Сети Петри – популярный формализм для моделирования и анализа параллельных и распределенных систем. В докладе будет рассказано о расширении сетей Петри для моделирования сложных систем, состоящих из взаимодействующих агентов. В этой системе агент представляется сетью Петри высокого уровня с временны́ми условиями для переходов, определяющими интервалы и длительность срабатывания переходов.

Будет показано, что для таких моделей можно строить граф достижимости и использовать его для проверки поведенческих свойств системы, таких как отсутствие тупиков, живость и др., а также получать оценки для временны́х характеристик системы.

Докладчики

Попцова Мария Сергеевна

Международная лаборатория биоинформатики: Заведующий лабораторией

Ломазова Ирина Александровна

Научно-учебная лаборатория процессно-ориентированных информационных систем (ПОИС): Заведующий лабораторией

Открытое заседание Ученого Совета ФКН 24 июня 2021 года

Дата проведения: 24 июня 2021 года
Время проведения: 18:00-19:00
Место проведения: Zoom

Повестка открытого заседания:

1. Научный доклад заведующего Центром глубинного обучения и байесовских методов Дмитрия Петровича Ветрова.
Тема доклада: "Необычные свойства рельефа функции потерь в глубинном обучении".

Аннотация:

В докладе мы рассмотрим несколько необычных эффектов, возникающих при обучении современных нейронных сетей и свидетельствующих о том, что рельеф оптимизируемой функции обладает рядом необычных свойств. Также мы обсудим динамику процесса обучения нейросетей и влияние, которое оказывают на нее L2-регуляризация и батч-нормализация весов. В частности, будет показано регуляризация и нормализация весов совместно приводят к стабилизации процесса обучения и делают нейросеть слабозависящей от выбора конкретных гиперпараметров.

2. Научный доклад заведующего Международной лабораторией стохастических алгоритмов и анализа многомерных данных
Наумова Алексея Александровича.
Тема доклада:"Model-Free Approach to Evaluate Reinforcement Learning Algorithms".

Аннотация:

Policy evaluation  is an important instrument  for the comparison of different algorithms in Reinforcement Learning (RL). Yet even a precise knowledge of the value function V^{\pi} corresponding to a policy \pi does not provide reliable information on how far is the  policy \pi from the optimal one. We present a novel model-free upper value iteration procedure (UVIP) that allows us to estimate the suboptimality gap V^{\star}- V^{\pi} from above and to construct confidence intervals for V^\star. Our approach relies on upper bounds to the solution of the Bellman optimality equation via martingale approach. We provide theoretical guarantees for UVIP under general assumptions and illustrate its performance on a number of benchmark RL problems. The talk is based on the join work https://arxiv.org/abs/2105.02135 with Denis Belomestny, Ilya Levin, Eric Moulines, Sergey Samsonov and Veronika Zorina. 


 

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.