МЕГАГРАНТЫ

Лаборатория данных большой размерности

О лаборатории

Наименование проекта: Масштабируемые сети систем искусственного интеллекта для анализа данных растущей размерности

№ договора: 14.Y26.31.0022

Наименование ВУЗа: Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Нижегородский государственный университет им. Н.И.Лобачевского"

Области научных исследований: Компьютерные и информационные науки

Главная цель проекта: разработать перспективные методы для интеллектуального анализа данных высокой размерности, оптимизированные для работы в высокой (десятки и сотни) и очень высокой (тысячи, десятки тысяч и более) размерности
Для достижения целей проекта планируется решить следующие задачи:
- Создать систему перспективных методов многомерного анализа данных в высоких размерностях, основанных на специфике многомерной геометрии, в частности, на теоремах стохастической отделимости;
- Разработать методы для отделения истинно многомерных проблем от редуцируемых проблем малой внутренней размерности;
- Разработать теорию и методы для моделирования оптимальной сложности, основанные на идее "игры против наблюдателя" (миры худшего случая);
- Адаптировать и приложить разработанные методы к анализу многомерных данных о биологических нейронных сетях (ин витро и ин виво), к анализу больших многомерных потоков видеоданных, к сложным биофизическим, техническим и гибридным (человеко-машинным) системам.
- Разработать теорию, методы и алгоритмы для создания новых и обновления существующих систем искусственного интелекта со способностью немедленного обучения «на лету», основанного на анализе ошибок.
- Создать библиотеку открытого программного обеспечения, имплементирующую разработанную технологию.
- Создать проблемно-ориентированное программное обеспечение для использования в анализе многомерных данных о биологических нейронных сетях (ин витро и ин виво), больших многомерных потоков видеоданных, в изучении сложных биофизических, технических и гибридных (человеко-машинных) систем.
- Создать лабораторию перспективных методов анализа многомерных данных и обеспечить ее устойчивое функционирование.

Ведущий учёный

 Gorban3

ФИО: Горбань Александр Николаевич

 

Ученые степень и звание: доктор физико-математических наук

Занимаемая должность: Профессор прикладной математики, директор центра математического моделирования, Факультет математики, Университет Лестера

Области научных интересов: Компьютерные и информационные науки; Биофизика; Математическая и вычислительная биология; Математика; Физика; Химия и Химическая Технология; Термодинамика; Междисциплинарные исследования

Научное признание:
2000 - Клеевский стипендиат (Кембридж, США)
2010 - Стипендия приглашенного исследователя Ньютоновского института математических наук
2015 - Награда за выдающийся вклад в исследования по биологической и химической кинетике Международной конференции "Математика в (био)химической кинетике и технологии", Гент, Бельгия

Научные достижения:
А.Н.Горбань входит в Топ-100 самых цитируемых российских учёных по данным РИНЦ.
Александр Николаевич разработал семейство методов для сокращения и огрубления моделей: метод инвариантного многообразия, методы натурального проектора, и др. Он решил ряд классических пробоем в кинетике газов, динамике полимеров, химической и биологической кинетике. За эту серию работ он получил медаль Пригожина и Клеевскую стипендию (Кембридж, США, 2000). А.Н. Горбань изобрел новые методы измерения стресса, вызываемого различными факторами. В частности, они дают возможность измерять здоровье групп здоровых людей. Этот метод основан на универсальном эффекте, открытом А.Н. Горбанем при исследовании адаптации человека. Этот эффект подтверждается сотнями экпериментов и многими наблюдениями над системами различной природы. Сейчас, разработанный метод используется для мониторинга популяций Крайнего Севера, для анализа кризисов в национальных финансовых
системах и компаниях. Он стал частью разрабатываемой общей технологии предсказания кризисов.

A.S. Manso, M.H. Chai, J.M. Atack, L. Furi, M. De Ste Croix, R. Haigh, C. Trappetti, A.D. Ogunniyi, L.K. Shewell, M. Boitano, T.A. Clark, J. Korlach, M. Blades, E. Mirkes, A.N. Gorban, J.C. Paton, M.P. Jennings, M.R. Oggioni, A random six-phase switch regulates pneumococcal virulence via global epigenetic changes, 2014 Nature Communications
(Q1 IN ITERDISCIPLINARY SCIENCES)

A.N. Gorban, I. Karlin Hilbert's 6th Problem: exact and approximate hydrodynamic manifolds for kinetic equations 2014 Bulletin of the American Mathematical Society (Q1 IN MATHEMATICS)

F. Spahn, E. Vieira Neto, A.H.F. Guimarães, A.N. Gorban, N.V. Brilliantov A statistical model of aggregate fragmentation 2014 New Journal of Physics (Q1 IN PHYSICS, MULTIDISCIPLINARY)

A.N. Gorban, I. Tyukin, E. Steur, H. Nijmeijer Lyapunov-like conditions of forward invariance and boundedness for a class of unstable systems 2013 SIAM Journal On Control And Optimization (Q1 IN MATHEMATICS, APPLIED)

A.N. Gorban, G.S. Yablonsky Grasping Complexity 2013 Computers & Mathematics with
Applications (Q1 IN MATHEMATICS, APPLIED)

Back to top