Семінари та лекції


 
-------------------------------

Архів


 

Семінар Центру дослідження даних КАУ (Архів)

Організатор: Кафедра математики КАУ. Cайт семінару
Місце проведення: Інститут математики НАН України, 208, 17:00
Дата та час Семінар
04, December 2019
17:00 Wednesday
ПРОБЛЕМИ ТА ПІДХОДИ ДО ПРОГНОЗУВАННЯ ПОПИТУ CPG ТОВАРІВ
Олександр Сичов
04, December 2019
17:00 Wednesday
Approaches to forecasting CPG demand
Oleksandr Sychov
27, November 2019
17:00 Wednesday
Рекурсивні матричні алгоритми і розподілене динамічне управління обчислювальним процесом на суперкомп'ютері
Геннадій Малашонок

Резюме:
У лекції розглядаються рекурсивні матричні алгоритми і їх застосування при створенні бібліотеки програм для суперкомп'ютера з розподіленою пам'яттю і динамічним децентралізованим управлінням обчислювальним процесом. Дається нова класифікація матричних алгоритмів, яка заснована на класах функцій, які використовуються в цих алгоритмах.
20, November 2019
17:00 Wednesday
Системи бізнес-аналітики
Володимир Домрачев

Резюме:
В лекції будуть проаналізовані сучасні інструменти бізнес – аналітики, які застосовуються в процесі роботи фінансовими установами України.
13, November 2019
17:00 Wednesday
Визначення рівняння стану матерії в моделі ядро-ядерних зіткнень UrQMD за допомогою згорткових нейронних мереж
Квасюк Ю.

Резюме:
Розглянуто застосування згорткових нейронних мереж (потужного алгоритму для класифікації зображень) для визначення рівняння стану матерії у моделі ядро-ядерних зіткнень. Алгоритм було натреновано на низькорівненвих експериментально-спостережуваних величинах, та досягнуто 98% точності класифікації. Отримані результати вказують на широкі перспективи застосування даних методів до реальних експериментів
30, October 2019
17:00 Wednesday
Understanding Machine Learning
Pavlo Tytarenko
23, October 2019
17:00 Wednesday
Understanding Machine Learning
Pavlo Tytarenko

Резюме:
The mathematical foundations of Machine Learning are explained. Different algorithmic approaches are discussed. The talk is aimed at beginners and those who would like to get an impression on this rapidly developing and very "fashionable" field.
09, October 2019
18:00 Wednesday
Метод експертних парних порівнянь з урахуванням попереднього досвіду
Андрійчук О.В.
25, September 2019
18:00 Wednesday
Дифузійні координати їх застосування
Кравченко О., Мерзлікіна П.
25, September 2019
17:00 Wednesday
Класифікація розподілів баріонного числа за допомогою методів машинного навчання.
Квасюк Ю.

Резюме:
Досліджуються розподіли числа баріонів у системах напіввідкритого типу (із законом збереження загального баріонного числа), що утворюються у ядро-ядерних зіткненнях. Класифікація розподілів на наявність закону збереження у проводиться за допомогою алгоритму машинного навчання.
18, September 2019
17:00 Wednesday
Концепція відкритих динамічних систем
Різник О.М.
19, June 2019
17:00 Wednesday
Geometrical Picture of Continuous-Wave Detection
Chris Boldt
29, May 2019
17:00 Wednesday
Чисельні методи в квантовій оптиці та квантових технологіях
Андрій Семенов
22, May 2019
17:00 Wednesday
Data Markets and Data Economics
Yuri Demchenko(University of Amsterdam, Amsterdam)
08, May 2019
17:00 Wednesday
P-адичний аналіз та штучні нейронні мережі
Олексій Нікітченко (ФТІ, НТУУ КПІ)
14, December 2018
17:00 Friday

Міні воркшоп `Математика та теорія ігор`

Резюме:
Доповідачі:
1) Олексій Ігнатенко, ст.н.с. Інституту програмних систем НАН України Тема: "Головні математичні ідеї теорії ігор і їх застосування"
2) Олександр Борисенко, Керівник видавництва настільних ігор FEELINDIGO Тема: "Математика у настільних іграх. Можливості"
3) Терлецька Катерина, ст.н.с. Інституту проблем математичних машин і систем НАН України Тема: "Математика у настільних іграх. Реалізація"
23, November 2018
17:00 Friday
Функції Хаара, як базис чисельного диференціювання та застосування у медицині
Покутний Олександр Олексійович
26, October 2018
17:00 Friday
Формальні та адаптивні методи паралельного програмування
А.Ю. Дорошенко (КАУ, НТУУ КПІ та Інститут програмнитх систем НАНУ)
08, June 2018
17:00 Friday
Аксіоматичний підхід до створення штучного інтелекту – «загального типу» - Artificial General Intelligence (AGI)
Сергій Корнєєв

Резюме:
План доповіді 1. Концепція штучного інтелекту загального типу – “AGI”. 2. Відмінність концепції «Систем автоматичного регулювання» - традиційний кібернетичний підхід - від «Систем штучного інтелекту загального типу». 3. Сутність аксіоматичного підходу до створення штучного інтелекту загального типу, запропонованого автором в 2014-2018рр. 4. Операційні системи штучного інтелекту загального типу. 5. Загальна дискусія по запропонованим темам, короткі виступи учасників.
27, April 2018
17:00 Friday
Взаємодія процесів розробки математичних моделей та генерації відповідних реальних даних для підтримки оперативного прийняття централізованих і децентралізованих рішень
В. М. Горбачук (д.ф.-м.н., Інститут кібернетики імені В.М.Глушкова НАН України)

Резюме:
Cпільно із семінаром Інституту кібернетики імені В.М.Глушкова НАН України «Системний аналіз та інформаційні технології в економіці та державному управлінні
30, March 2018
17:00 Friday
Сегментація експериментальних кривих як реалізацій кусково-гладких функцій, спотворених завадами
Антон Шарипанов, Володимир Калмиков (Інститут проблем математичних машин і систем НАН України)

Резюме:
Розглядається задача сегментації експериментальних графіків , які є реалізаціями невідомих кусково-гладких функцій, причому реалізації спотворені завадами невідомої природи, тобто неможливо зробити ніякого розумного припущення про їхню природу. Ми вважаємо, що зорове сприйняття найчастіше справляється з подібними завданнями, завдяки феномену змінної роздільної здатності. Метод, алгоритм засновані на тому, що рецептивне поле нейрона представлене як дискретна аналогія околу точки при аналізі безперервності функції. Наведені приклади сегментації реальних об\'єктів-кардіограм. Подальший розвиток - сегментація зображень. Запропоновано новий метод сегментації сигналів, спотворених завадами. На відміну від інших відомих методів, наприклад, методу Канні, априорні дані про завади не використовуються. Сегментація сигналів та півтонових зображень, спотворених завадами, є однією з найстаріших проблем комп\'ютерного зору. Але людський зір вирішує це завдання майже незалежно від нашої свідомості. Для зорових нейронів виявлено, що розміри збуджувальних зон рецептивних полів змінюються під час зорового акту, що в кінцевому підсумку означає динамічні зміни роздільної здатності зорової системи, тобто феномен \"coarse-to-fine\" у живих організмах. Ми припустили, що феномен \"coarse-to-fine\" , тобто декілька різних роздільних здатностей, використовується в системі людського зорового сприйняття для сегментації зображень. Розроблено алгоритм \"coarse-to-fine\" для сегментації експериментальних графіків. Основна відмінність алгоритму, згаданого вище від інших, полягає в тому, що рішення приймається з урахуванням усіх частинних рішень для всіх використаних роздільних здатностей. Це забезпечує стабільність остаточного рішення. Результати програмної перевірки алгоритму представлені. Очікується, що метод можна розширити до сегментації півтонових зображень.
Поточні семінари
Усі права захищені © 2007 Інститут Математики