Заседания семинаров
М. Э. Иванов
Критерий линейной упорядочиваемости групп.
Шалак М. Д. (НГУ)
Трусов Н. В., Шананин А. А.
Математическая модель динамики человеческого капитала (Журнал вычислительной математики и математической физики, 2023, том 63, № 10).
С. М. Пригарин (ИВМиМГ СО РАН)
Модели случайных процессов в методах Монте-Карло.
Аннотация
Доклад посвящен некоторым применениям метода Монте-Карло для решения прикладных задач и ряду проблем, связанных с численным моделированием случайных процессов. В том числе, представлены результаты по статистическому анализу и моделированию геофизических полей, решению задач атмосферной оптики и лазерного зондирования, обсуждаются общие вопросы, связанные с оценкой погрешности вычислений методом Монте-Карло.Даниил Васильевич Паршин (к.ф.-м.н., и.о. зав. Лабораторией механики неупорядоченных сред ИГИЛ СО РАН, старший преподаватель Кафедры высшей математики ММФ НГУ)
Церебральная гемодинамика: от математической модели и эксперимента к практике.
Аннотация
Мозг - один из самых сложноустроенных органов человека, отвечающий за наши движения, рефлексы и когнитивные функции. При весе примерно 2-3% от массы организма этот орган потребляет до 30% всего объема крови, что говорит о его колоссальной энергонагруженности. В условиях отсутствия способности к формированию запасов, нарушения кровотока в нем критически опасны! Эти факты порождают огромное количество работ, посвященных гемодинамике мозга в норме и при патологиях. Предоперационное математическое моделирование позволяет предупреждать развитие некоторых патологий, а в каких-то случаях выбирать стратегию и тактику проведения лечения. В докладе с помощью лабораторного и математического моделирования мы пройдем от простейших моделей и экспериментов к практическому применению персонифицированного моделирования. Работа, на базе которой будет построен доклад, выполнялась совместно с врачами из НМИЦ им Е. Н. Мешалкина, ФЦН (Новосибирск), МТЦ СО РАН.Тимофей Прасолов
Разбор книги Александра Гасникова "Algorithmic Stochastic Convex Optimization".
Аннотация
Мы разберём алгоритм Prox-SGD, где к оптимизируемой функции добавляется регуляризатор. Для этого мы кратко разберём некоторые свойства prox-операторов. Затем мы разберём доказательство сходимости алгоритма при довольно общих ограничениях на оракул градиента, которые включают последние три набора условий (uniformly bounded variance, convex smooth stochastic trajectories, finite sum problems).Аниконов Д. С.
Проблема обращения преобразования Радона, определенного на разрывных функциях.
Аннотация
Настоящее сообщение посвящено некоторым вопросам обращения классического и обобщенного интегрального преобразования Радона. Вообще говоря, основной вопрос состоит в определении информации об подынтегральной функции, если известны значения некоторых интегралов. Особенностью этого сообщения является анализ случая, когда интегрирование функции производится по гиперплоскостям в конечномерном евклидовом пространстве, а подынтегральные функции зависят не только от переменных интегрирования, но и от части переменных, характеризующих гиперплоскости. При этом количество независимых переменных, описывающих известные интегралы меньше, чем у неизвестной подынтегральной функции.
Рассматриваются разрывные подынтегральные функции, определенные на специально введенных псевдовыпуклых множествах. Ставится задача типа Стефана о нахождении поверхностей разрывов подынтегральной функции.
В работе приводятся формулы, основанные на применении специальных интегро-дифференциальных операторов к известным данным и позволяющие решать поставленную задачу.
Кроме того приводятся связи исследуемых проблем в четно-мерном и нечетно-мерном случаях объемлющего пространства.