Заседания семинаров
Zoom
А. Ф. Воронин (ИМ СО РАН, Новосибирск)
О решении одного класса одномерных и многомерных уравнений типа свертки
Аннотация
В данном докладе рассматриваются многомерное и одномерное уравнения типа свертки первого и второго рода на ограниченном множестве. Найден аналог известной теоремы Титчмарша о носителях в свертке для случая однородного уравнения первого рода типа свертки. Найдено также частное решение (в явном виде) неоднородного уравнения второго рода типа свертки с произвольной правой частью, носитель которой лежит на заданном множестве. В работе считается, что функция ядра в интегральном операторе равна нулю в некоторой окрестности нуля. Результаты работы могут иметь приложения в теории векторных краевых задач Римана-Гильберта.Хамисов Олег Валерьевич
Комплексные исследования оптимизационных моделей в области
нефтепереработки.
Prof. Lixin Tang (North. Uni, Shenyang)
Data Analytics and Optimization for Production, Logistics and Energy Scheduling.
Л. А. Никифоров
Порождение $S_n$ префикс-реверсалами.
В. Н. Потапов (ИМ СО РАН)
Конечные геометрии и их приложения.
Аннотация
В докладе будут рассмотрены определение и простейшие свойства конечных проективных геометрий, а также их приложения в комбинаторике и теории кодирования.П. Е. Алаев
Операция обращения в полях, вычислимых за полиномиальное время (продолжение).
Демиденко Г. В.
Задача Коши для псевдогиперболических уравнений.
В. В. Ульянов (МГУ и НИУ ВШЭ)
Статистические выводы, основанные на рандомизированных тестовых статистиках.
Аннотация
В докладе будет показано, что дополнительная рандомизация может улучшить скорость сходимости распределений тестовых статистик к предельным законам. Это позволяет точнее вычислять критические уровни критериев и делать более достоверные статистические выводы. Подход основан на многомерной центральной предельной теореме для взвешенных сумм. Мы демонстрируем наш метод на семействе фи-дивергентных статистик и доказываем, что с высокой вероятностью относительно дополнительной рандомизации распределение соответствующей рандомизированной статистики сходится в метрике Колмогорова к предельному Хи-квадрат распределению со скоростью $O(1/n)$ (с точностью до логарифмического множителя), где $n$- объем выборки.
Доклад основан на совместных результатах автора с З. Ассылбековым, С. Айвазяном, Н. Пучкиным и В. Зубовым.
В Институте математики СО РАН проходят около 30 семинаров по разным направлениям математики.
На наших семинарах выступают с докладами не только научные сотрудники института, но и приглашенные докладчики со всего мира.
Семинары проводятся как очно, так и на онлайн-платформах: Zoom, Google Meet, YouTube, Jitsi.
