Лаборатория перспективных методов анализа многомерных данных

Научные результаты:

• Разработаны математические основы технологии создания корректоров систем ИИ. Доказаны новые теоремы о стохастической разделимости для широкого класса логарифмически-вогнутых распределений.
• Получены оценки эффективности корректоров, построенных из двухнейронных систем нескоррелированных нейронов, и проведено вычислительное сравнение такой системы с однонейронными корректорами.
• Разработан гибкий и вычислительно эффективный подход к обобщению большинства существующих методов анализа данных, использующих квадратичную форму ошибки, на произвольную функцию ошибки с субквадратичным ростом. Разработана общая схема подхода и реализующее его программное обеспечение для задач регрессии, регуляризованной регрессии, кластер-анализа и обобщенного метода главных компонент.

Внедрение результатов исследования:

Разработан и имплементирован новый шкалируемый и робастный метод для аппроксимации множеств данных со сложной структурой, ElPiGraph (ELastic PrIncipal Graph). Разработанная библиотека программ выложена в общедоступное пользование и используется в десятках лабораторий по всему миру. Программное обеспечение в открытом доступе: https://github.com/lamhda.

Образование и переподготовка кадров:

Ведущий ученый А. Н. Горбань руководит в ННГУ магистерскими проектами, работой научного семинара, проводит мастер-классы для научных работников, аспирантов и студентов, читает обзорные лекции по анализу данных.

Другие результаты:

Прочитаны публичные лекции об искуственном интеллекте и нейронных сетях для студентов и школьников в Нижнем Новгороде и в Москве (на базе лицея «Вторая школа»)