Мы используем cookie файлы.
Пользуясь сайтом, вы соглашаетесь с нашей Политикой конфиденциальности.

Приглашенный ученый Горбань Александр Николаевич Великобритания, Россия
Номер договора
14.Y26.31.0022
Период реализации проекта
2018-2020

По данным на 30.01.2020

38
Количество специалистов
13
научных публикаций
Общая информация

Согласно исследованиям, ежедневно появляются 2.5 квинтиллиона данных. Эти данные нуждаются в предобработке, хранении и анализе. В этой работе невозможно обойтись без систем искусственного интеллекта. Неопределенность, внутренне присущая миру больших данных, приводит к ошибкам в работе систем искусственного интеллекта. Дальнейшее развитие искусственного интеллекта для анализа больших данных требует создания технологий и методов для быстрого, неразрушающего и обратимого исправления аналитических систем. Такой технологии пока не существует, поэтому ее создание и стало задачей для ученых лаборатории. 

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

Приоритет СНТР: а, в


Цели и задачи

Направления исследований: Компьютерные и информационные науки

Цель проекта: Разработка перспективных методов интеллектуального анализа данных высокой размерности, оптимизированных для работы в высокой (десятки и сотни) и очень высокой (тысячи, десятки тысяч и более) размерности


Практическое значение исследования

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»)

Сотрудничество:

  • Complutense University of Madrid (Испания), ARM Holdings, Imaging and Vision Group (Великобритания): совместные научные мероприятия
  • Massachusetts General Hospital Research Institute and Harvard Medical School (США), Dana-Farber Cancer Institute (США), Harvard T.H. Chan School of Public Health (США), Tongji University (Китай), INSERM, U900, F-75005 (Франция), PSL Research University, CBIO-Centre for Computational Biology, F-75006 (Франция), Broad Institute of MIT and Harvard (США), University of Palermo (Италия), Euro-Mediterranean Institute of Science and Technology (Италия), Fudan University (Китай), Dana-Farber Cancer Institute Boston, Massachusetts (США), Harvard University (США), Harvard Stem Cell Institute (США), University of Leicester (Великобритания), Complutense University of Madrid (Испания), ARM Holdings, Imaging and Vision Group (Великобритания), Spectral Edge Ltd (Великобритания), Gustave Roussy Cancer (Франция), Université Paris-Saclay (Франция), Instituto Gulbenkian de Ciência (Португалия), École Normale Supérieure de Lyon (Франция), Université Paris Descartes/Paris V (Франция), Université Pierre et Marie Curie (Франция): совместные исследования и публикации



Скрыть Показать полностью
Gorban A.N., Golubkov A., Grechuk B., Mirkes E.M., Tyukin I.Y.
Correction of AI Systems by Linear Discriminants: Probabilistic Foundations. Information Sciences 466: 303–322 (2018).
Lages J., Shepelyansky D.L., Zinovyev A.
Inferring Hidden Causal Relations between Pathway Members Using Reduced Google Matrix of Directed Biological Networks. PLoS ONE 13(1): e0190812 (2018).
Lobov S., Krilova N., Kastalskiy I., Kazantsev V., Makarov V.A.
Latent Factors Limiting the Performance of sEMG-Interfaces. Sensors 18(4): 1122 (2018).
Naldi A., Hernandez C., Levy N., Stoll G., Monteiro P.T., Chaouiya C., Helikar T., Zinovyev A., Calzone L., Cohen-Boulakia S., Thieffry D., Paulevé L.
The CoLoMoTo Interactive Notebook: Accessible and Reproducible Computational Analyses for Qualitative Biological Networks. Frontiers in Physiology 9: 680 (2018).
Tyukin I.Y., Gorban A.N., Sofeykov K.I., Romanenko I.
Knowledge transfer between Artificial Intelligence Systems. Frontiers in Neurorobotics 12 (2018).
Фотоальбомы
Четверг , 27.08.2020
Вторник , 03.12.2019
Другие лаборатории и ученые
Лаборатория, принимающая организация
Область наук
Город
Приглашенный ученый
Период реализации проекта
Нейроморфные оптические системы

Федеральное государственное учреждение «Федеральный научно-исследовательский центр «Кристаллография и фотоника» Российской академии наук»

Компьютерные и информационные науки

Шатура

Бычков Евгений Алексеевич

Россия

2019-2021

Вычислительно-информационный исследовательский центр (C&IRC)

Федеральное государственное бюджетное учреждение науки Институт прикладной математики Дальневосточного отделения Российской академии наук

Компьютерные и информационные науки

Владивосток

Окадзима Джунносуке

Япония

2019-2021

Центр биоэлектрических интерфейсов

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет «Высшая школа экономики», Институт когнитивных нейронаук НИУ ВШЭ

Компьютерные и информационные науки

Москва

Лебедев Михаил Альбертович

США, Россия

2018-2020