Moscow ACM SIGMOD Chapter
Moscow ACM SIGMOD Chapter
  • Видео 192
  • Просмотров 18 699
237. А. Шкотин. Каркас решения задач на примере теории неориентированных графов
00:03:29 Каркас задач и каркас теории
00:12:48 Каркас задач теории графов
00:21:25 Процесс решения задачи
00:21:58 Глобальные переменные каркаса задач
00:34:40 Необходимые свойства модели графов и их проверка
Примеры задач
00:47:08 параллельность ребер графа
01:03:06 определение степени вершины
01:04:21 определение суммы степеней вершин графа
01:05:03 пример некорректно поставленной задачи
01:08:39 Обсуждение и заключение
Вопросы и замечания
01:12:34 Логики и системы поддержки доказательств
01:16:19 Как формализовать механику?
01:18:36 Возможность применения LLM в каркасах
Просмотров: 392

Видео

236. А. Пономарев. Онтолого-ориентированный нейро-символический интеллект: настоящее и перспективы
Просмотров 934 месяца назад
Введение 00:01:34 О Санкт-Петербургском центре РАН и Лаборатории интегрированных автоматизированных систем автоматизации 00:03:25 Коллаборативные системы поддержки принятия решений 00:04:32 Объяснимый искусственный интеллект как нейросимволический ИИ 00:09:07 Сопряжение нейросетей с онтологиями 00:10:22 План доклада 00:10:57 Обзор онтолого-ориентированных методов объяснения нейронных сетей 00:1...
235. Л. Лядова. Онтологический подход к разработке аналитической платформы
Просмотров 334 месяца назад
01:27 Мотивация работы 04:09 Цели и задачи работы 07:01 Подход к разработке аналитической платформы 18:29 Вопрос: Использовались ли какие-то существующие базовые онтологии? 24:25 Вопрос: Ощущаются ли преимущества DSL в проекте? 30:01 Формальная модель представления знаний: онтологии и связи между ними 35:34 Вопрос: Как выглядят правила отображения онтологий? 37:42 Вопрос: Какой язык онтологий и...
234. Александр Шкотин. Каркас теории - концентратор знаний (требования к реализации)
Просмотров 1017 месяцев назад
00:02:51 Цель подхода 00:04:48 Введение: каркас теории и его составляющие Пример: теория неориентированных графов 00:16:55 Структура теории 00:26:17 Аксиомы теории 00:28:51 Определения терминов 00:35:03 Теоремы и гипотезы 00:36:02 Доказательства 00:50:54 Обслуживание, использование, развитие каркаса Вопросы: 01:01:55 Какова польза от каркасов для ученых в предметных областях? 01:11:16 Перспекти...
DACOMSIN 2023. D1T3: Hanyu Zhang. GCr15 Bearing Steel Metallographic Image Fine Segmentation Model
Просмотров 269 месяцев назад
SESSION D1: AI & ML in Materials Science I Hanyu Zhang, Lixin Tang and Yong Shuai GCr15 Bearing Steel Metallographic Image Fine Segmentation Model Based on Transformer Unet Network and CV model GCr15 bearing steel metallographic image of the proportion of insoluble carbides, the size and distribution of uniformity is an important indicator to evaluate the quality of bearing steel. Insufficient ...
DACOMSIN 2023. D1T2: Jingwen Cong. A hybrid model for pearlite segmentation in metallographic images
Просмотров 169 месяцев назад
SESSION D1: AI & ML in Materials Science I Jingwen Cong, Lixin Tang and Min Xiao A hybrid model based on adaptive active contour and multi-scale attention for pearlite segmentation in metallographic images The analysis of the composition and structure of high-temperature carbon steel and cast iron, particularly the distribution and content of the pearlite, is crucial for understanding its mecha...
DACOMSIN 2023. D1T1: Junfeng Zhao. Metallographic Structure Recognition with Meta-transfer Learning
Просмотров 519 месяцев назад
SESSION D1: AI & ML in Materials Science I Kainan Zhang, Chang Liu, Lixin Tang and Min Xiao Metallographic Structure Recognition with Few Samples Based on Meta-transfer Learning Metallographic Structure Recognition with Few Samples Based on Meta-transfer Learning The metallographic structure reflects the specific internal morphology of metal materials and is closely related to the mechanical pr...
DAMDID 2023. S8T1. Georgiy Mozgunov. Long γ-ray transients classification by INTEGRAL data using ML
Просмотров 149 месяцев назад
SESSION 8. Data analysis in astronomy I Georgiy Mozgunov, Alexei Pozanenko, Pavel Minaev, Ivan Chelovekov and Sergei Grebenev Classification of long gamma-ray transients from INTEGRAL data using machine learning approach In this paper we use 19 years of data from INTEGRAL detectors to train classification model for gamma-ray bursts. We present algorithms for automated processing of the light cu...
DAMDID 2023. S4T3. Vyacheslav Manevich. Triple Correction Method for Bitcoin and S&P500 Volatility
Просмотров 89 месяцев назад
DAMDID 2023. S4T3. Vyacheslav Manevich. Triple Correction Method for Bitcoin and S&P500 Volatility
DAMDID 2023. S6T2. Erchimen Gavriliev. Approach to Personal Development Plan for Developers
Просмотров 29 месяцев назад
DAMDID 2023. S6T2. Erchimen Gavriliev. Approach to Personal Development Plan for Developers
DACOMSIN 2023. D2T2: Nadezhda Kiselyova. Double halides physical properties prediction by ML methods
Просмотров 239 месяцев назад
AI & ML in Materials Science II Nadezhda Kiselyova, Victor Dudarev, Oleg Senko, Alexander Dokukin, Andrey Stolyarenko and Yuliana Kuznetsova Double halides physical properties prediction by means of machine learning methods The effectiveness of various machine learning methods in predicting the quantitative properties of inorganic compounds is compared. To assess the accuracy, cross-validation ...
DACOMSIN 2023. D3T3: Alexander Shevchenko. Structure building units of homoleptic compounds
Просмотров 159 месяцев назад
SESSION D3. Materials Informatics & Databases Alexander Shevchenko Structure building units of homoleptic coordination compounds For the known structures of homoleptic coordination compounds, a database of structural building units has been created: complexing atoms, ligands, solvate molecules, and counterions. For each type of structural building units, geometric and topological descriptors we...
DAMDID 2023. S1T3. Valentin Malykh. Human eye iris and pupil segmentation using infrared camera
Просмотров 469 месяцев назад
SESSION 1. Image Analysis Aleksei Samarin, Aleksei Toropov, Alina Dzestelova, Alexander Savelev, Alexandr Motyko, Valentin Malykh, Elena Mikhailova, Artem Nazarenko, Pavel Dmitriev and Anastasia Golovatiuk Human eye iris and pupil segmentation using infrared camera snapshots At the present time, problems related to the automation of medical data processing are urgent. Particularly systems for h...
DAMDID 2023. S2T2. Stefan Nikolic. Acne severity grading with deep learning
Просмотров 229 месяцев назад
SESSION 2. Data analysis in medicine and cognitive science Stefan Nikolic, Dmitriy Ignatov and Peter Fedorov Acne severity grading with deep learning Acne vulgaris is a skin condition which occurs frequently within the population. An important step in diagnosing the condition is grading the severity of the case. For this purpose dermatologists often use different grading scales and criteria. To...
DAMDID 2023. S2T4. Almaz Shangareev. Reading Progress Tracking: A Novel Autoencoder Model Approach
Просмотров 119 месяцев назад
SESSION 2. Data analysis in medicine and cognitive science Almaz Shangareev, Ivan Shanin Reading Progress Tracking: A Novel Autoencoder Model Approach Reading progress tracking is a challenging task in the eye-tracking field due to the overall measurement inaccuracy in eye-tracking systems. This study presents a two-step approach using the autoencoder model to solve the task of classification o...
DAMDID 2023. S6T3. Artyom Abakumov. Segmentation of GUI by topological decomposition for GUI testing
Просмотров 139 месяцев назад
SESSION 6. Machine learning methods and applications II Artyom Abakumov and Sergey Eremeev Segmentation of graphical user interface elements based on topological decomposition for GUI testing tasks The paper addresses the issue of automating the testing process for graphical interfaces. It is shown that one of the main tasks in this area is segmentation of screen elements with further construct...
DAMDID 2023. S4T1. Anton Dubovskoi. Informed Object Detection for Computer Games
Просмотров 99 месяцев назад
SESSION 4. Machine learning applications I Anton Dubovskoi, Maksim Sokolov and Ildar Baimuratov Informed Object Detection for Computer Games One of the traditional areas of artificial intelligence application is games. Today, solutions for this industry are developed mostly by companies that cooperate with developers and have access to game APIs. Not all researchers have the ability to gain suc...
DAMDID 2023. S6T4. Антон Черненко. Использование искусственного интеллекта в патентных исследованиях
Просмотров 569 месяцев назад
DAMDID 2023. S6T4. Антон Черненко. Использование искусственного интеллекта в патентных исследованиях
DAMDID 2023. S5T1. Oleg Pilipenko. Detecting backdoors in DNN based on NN interpretation
Просмотров 209 месяцев назад
DAMDID 2023. S5T1. Oleg Pilipenko. Detecting backdoors in DNN based on NN interpretation
DAMDID 2023. S1T2. Elnur Abbasov. UI Labeling Data Quality Matter for Predicting Website Aesthetics
Просмотров 79 месяцев назад
DAMDID 2023. S1T2. Elnur Abbasov. UI Labeling Data Quality Matter for Predicting Website Aesthetics
DAMDID 2023. S5T4. Xenia Naidenova. Plausible Reasoning in a Classification Test Generating
Просмотров 29 месяцев назад
DAMDID 2023. S5T4. Xenia Naidenova. Plausible Reasoning in a Classification Test Generating
DAMDID 2023. S3T1. Igor Buyanov. Using Autoencoders to improve k-NN Search on large Datasets
Просмотров 139 месяцев назад
DAMDID 2023. S3T1. Igor Buyanov. Using Autoencoders to improve k-NN Search on large Datasets
DAMDID 2023. S5T3. Mariia Zueva. Индексы интересности для NN на основе решётки формальных понятий
Просмотров 179 месяцев назад
DAMDID 2023. S5T3. Mariia Zueva. Индексы интересности для NN на основе решётки формальных понятий
DAMDID 2023. S5T2. Temirlan Bidzhiev. Attacks on ML models based on the PyTorch framework
Просмотров 409 месяцев назад
DAMDID 2023. S5T2. Temirlan Bidzhiev. Attacks on ML models based on the PyTorch framework
DAMDID 2023. S2T3. Konstantin Sorokin. Cognitive Graph Dynamics of Hippocampal Formation
Просмотров 249 месяцев назад
DAMDID 2023. S2T3. Konstantin Sorokin. Cognitive Graph Dynamics of Hippocampal Formation
DAMDID 2023. S3T3. Zaur Shibzukhov. Some robust variants of the principal components analysis
Просмотров 79 месяцев назад
DAMDID 2023. S3T3. Zaur Shibzukhov. Some robust variants of the principal components analysis
DACOMSIN 2023. D3T2: Victor Dudarev. Flexible Materials Properties Management System
Просмотров 159 месяцев назад
DACOMSIN 2023. D3T2: Victor Dudarev. Flexible Materials Properties Management System
DACOMSIN 2023. D2T1: Shicheng Xie. A migration learning based NN for metallographic image denoising
Просмотров 119 месяцев назад
DACOMSIN 2023. D2T1: Shicheng Xie. A migration learning based NN for metallographic image denoising
DAMDID 2023. S1T1. Valentin Malykh. UniFi: Universal Filter Model for Image Enhancement
Просмотров 219 месяцев назад
DAMDID 2023. S1T1. Valentin Malykh. UniFi: Universal Filter Model for Image Enhancement
DAMDID 2023. S4T2. Art Prosvetov. Degradation detection for steam turbines
Просмотров 79 месяцев назад
DAMDID 2023. S4T2. Art Prosvetov. Degradation detection for steam turbines

Комментарии

  • @AlexShkotin
    @AlexShkotin 18 дней назад

    презентация открытая для комментариев в режиме редактирования docs.google.com/document/d/15YcvBOTVbM_DCSJTErLBd2Z8N9QA9L5wyEWhl3bBZ34/edit?usp=sharing

  • @АлександрВальвачев-я6ъ

    Ни постановки задачи, ни терминологии....

  • @alexhoneydealer1798
    @alexhoneydealer1798 4 месяца назад

    А как теорема Вапника применяется?

  • @cicik57
    @cicik57 4 месяца назад

    А какие концепты у вас есть можно просмотреть ?

  • @ihornikulin1061
    @ihornikulin1061 4 месяца назад

    Сравнивать пайтон и Джулию по скорости это как сравнивать Макларен и жигуль. Оратор с Джулией ознакамливался день или два

  • @willisturner6800
    @willisturner6800 8 месяцев назад

    "Promosm" 😕

  • @ЛеонидПарфёнов-е2к

    Да удивительно слышать 2022 году, когда все банки внедряют GreenPlum, что GreenPlum ,что то проиграл

    • @ivani3237
      @ivani3237 Год назад

      скажу по секрету, в мире никто гринплам не внедряет.

  • @__-de6he
    @__-de6he Год назад

    А чего про базу языка ничено не сказано - области видимости, время жизни, связывание (лексическое/динамическое), вычисления аргументов - eager/lazy. И про дебаггинг тоже. А то по докладу создаётся впечатление, что язык очень способствует "выстрелами в ногу".

  • @abhishes
    @abhishes 2 года назад

    very nice talk. loved it!

  • @Александр-л8з3э
    @Александр-л8з3э 2 года назад

    Отличный информативный доклад! За нейроморфами будущее.

  • @RuslanKorchagin
    @RuslanKorchagin 2 года назад

    Имеются некоторые неточности в пояснении биологических нейроных сетей 15:00. Было сказано что веса регулируют проводимость мембраны. Но на самом деле импульс а точнее потенциал по аксону благодоря перехватам ранвье не ослабевает. Сила импульса управляет процентной долей количества открытия каналов передачи медиаторов и соответсвенно количественной долей попадание медиаторов внутрь другого нейрона через синаптическую щель. Эти медиаторы повышают (активирующие) или наоборот ослаблают (тормозящие) внутрений потенциал нейрона и тем самым управляют поведением нейрона. Медиаторов множество как и типов синапсов. Ну это уже другая история

  • @مسلسلاتالأنميالقديم

    Наша Вселенная как брана Если мы живём внутри 3-браны - если наше четырёхмерное пространство-время является не чем иным, как историей 3-браны во времени, - то сакраментальный вопрос, является ли пространство-время чем-то сущим, предстаёт в совершенно ином свете. Известное нам пространство-время может появиться из реальной физической сущности теории струн / M-теории - 3-браны, а не из некой смутной или абстрактной идеи. В этом подходе реальность нашего четырёхмерного пространства будет на равных с реальностью электрона или кварка. (Конечно, можно ещё задаться вопросом, является ли сущностью само более крупное пространство-время, в котором существуют струны и браны - одиннадцать измерений теории струн / M-теории; тем не менее реальность арены пространства-времени, которую мы непосредственно окружаем, будет очевидной.

  • @مسلسلاتالأنميالقديم

    Математическая физика

  • @nightowl4703
    @nightowl4703 3 года назад

    Видно вы умны, но навыков лекторских у вас нет. Лектор и докладчик, должен знать все наизусть

  • @olegbartunov6977
    @olegbartunov6977 3 года назад

    Произносится как партикл

  • @pavelv.ivannikov4256
    @pavelv.ivannikov4256 4 года назад

    Арутюн Аветисян -- Лжец и Вор. Вдова основателя ИСП РАН академика РАН Иванникова Виктора Петровича. ruclips.net/video/KKWmxZamkoY/видео.html

  • @psirus0588
    @psirus0588 6 лет назад

    16-18 минута. Один из примеров - ajax запрос на сайте который запрашивает данные, очень часто как раз и есть та самая часть для майнинга данных заинтересованными лицами. При чем как правило эти данные уже имеют удобоваримое json представление

  • @IExSet
    @IExSet 7 лет назад

    Ну и где хотя бы краткое сравнение SVM и Нейросетей ? Потом ни один лектор даже не пытается ответить на вопрос, каким боком тут стат.механика влезла, типа метод пашет и пофиг.

    • @redcyb
      @redcyb 6 лет назад

      Просто представьте себе Енергию (назовите ее как-то иначе, например, Будергия) как абстрактную функцию от параметров весов и смещений, и постарайтесь ее минимизировать. Ну или максимизировать функцию правдоподобия, как Хинтон предложил.

  • @beloved_guy
    @beloved_guy 7 лет назад

    Очень тяжело слушать из-за плохой организации семинара. Задаются вопросы, недослушиваются ответы, вместо этого задаются новые вопросы. Докладчика постоянно перебивают. Постоянно возникают дискуссии между слушателями в полный голос. При этом складывается ощущение, что вопросы задаются слушателями скорее с целью показать уровень своей эрудиции и осведомленности в том или ином вопросе, нежели с целью уточнения или разъяснения чего-либо. Я понимаю, что это семинар, и в обсуждении участвуют все, но все равно должна же быть какая-то дисциплина. Советую организаторам уделить некоторое время для улучшения этого компонента сего мероприятия. Уверен, это положительно скажется и на росте количества просмотров, и на конверсии просмотров в лайки.

  • @webscrapingwithandy2110
    @webscrapingwithandy2110 8 лет назад

    Спасибо!

  • @egorche6742
    @egorche6742 9 лет назад

    Спасибо! Первая толковая лекция по глубоким сетям на русском.