А. Н. Соболевский (ИППИ РАН, Москва)
Немного о математических моделях космологической эволюции.
Архив семинара
Доклады аспирантов кафедры
- И. З. Абдыкаимов
Топология на множестве операторов, задаваемых в топологических векторных пространствах.
Научный руководитель – И. А. Тайманов. - Ю. Д. Ефременко
Классы Лосика слоений малой коразмерности.
Научный руководитель – В. П. Голубятников. - М. Н. Лапштаев
Спектральные характеристики магнитных потоков.
Научный руководитель – И. А. Тайманов. - А. Сеннинджер
Ортогональные криволинейные системы координат и пучки без кручения над приводимыми спектральными кривыми.
Научный руководитель – И. А. Тайманов.
И. Ю. Бондаренко (НГУ)
"Я знаю, что ничего не знаю": о неопределённости в глубоких нейронных сетях.
Аннотация
Большинство современных систем искусственного интеллекта основаны на машинном обучении с использованием специально подготовленной обучающей выборки. Но никто не может гарантировать, что входные данные во время работы обученной системы всегда будут из той же генеральной совокупности, что и обучающие данные. Сдвиг данных может произойти при изменении условий получения этих данных. В новых условиях ошибки свойственны всем - и людям, и машинам. Однако человек осознает пределы своей компетентности и понимает, когда он может с уверенностью делать прогноз, а когда его оценки приблизительны. А искусственный интеллект? Обычно большие модели искусственного интеллекта (например, глубокие нейронные сети или градиентное ускорение) очень эффективны на типичных данных, но оптимистичны и самоуверенны на нетипичных данных. Но ведь у искусственного интеллекта тоже должны быть сомнения при обработке нетипичных данных: ему лучше отказаться от составления прогноза и сообщить об этом наблюдателю-человеку, чем уверенно делать ошибочный прогноз, из-за которого бизнес может понести финансовые и репутационные потери. И в своем докладе я попытаюсь раскрыть способ научить искусственный интеллект сомневаться и моделировать неопределенность, а также обсужу метрики, с помощью которых можно попытаться одновременно измерить способность сомневаться в незнакомой ситуации и дать качественный прогноз в знакомых условиях.В. С. Тимофеев(НГТУ)
Робастные нейронные сети.
А. В. Рыженков (ИЭОПП СО РАН)
Неравновесные модели экономического роста и циклов.
В. В. Соколов (ИППИ РАН, Москва)
Полиномиальные формы квантовых гамильтонианов и коммутативные подалгебры в $U(gl_n)$.
Аннотация
Мы обсудим полиномиальную форму квантовой эллиптической модели Калогеро-Мозера. Начав с примеров в малых размерностях, мы установим взаимосвязь между квазиразрешимыми полиномиальными дифференциальными операторами и коммутативными подалгебрами в универсальной обертывающей алгебре $U(gl_n)$. В классическом случае мы сформулируем гипотезу о бигамильтоновости эллиптических систем Калогеро-Мозера.Предзащиты дипломных работ
- М. М. Пирожков
Деформации структуры Калаби-Экмана на $S^{2n+1}*S^3$.
Научный руководитель - Н. А. Даурцева - Ж. Фахриддинов
О некоторых свойствах полугамильтоновых систем, возникающих в задаче об интегрируемых геодезических потоках.
Научный руководитель - С. В. Агапов - Т. Турсунов
О рациональных интегралах натуральных систем.
Научный руководитель - С. В. Агапов
Защита курсовой работы
- Н. А. Вайцель
Смешанная краевая задача для лучевого преобразования симметричных тензорных полей с неполными проекционными данными.
Научный руководитель - Л. Б. Вертгейм
Научный консультант - В. А. Шарафутдинов