Школа-семинар "Современные проблемы нейроинформатики"

Нейроинформатика - 2015


Среда, 21 января                    10:30 – 12:00
Аудитория 406

Председатель: ТЮМЕНЦЕВ Юрий Владимирович, к.т.н.

1. УШАКОВ В. Л.
Национальный исследовательский центр «Курчатовский институт», Москва
Визуализация крупномасштабных сетей головного мозга человека

В докладе будут рассмотрены современные нейробиологические методы изучения когнитивных функций головного мозга человека и визуализация крупномасштабных нейросетей на основе методов ЭЭГ, фМРТ и айтрекинга.

2. ШУМСКИЙ С. А.
Физический институт им. П.Н. Лебедева РАН, Москва
Реинжиниринг архитектуры мозга: роль и взаимодействие основных подсистем

Представлена схема распределения ролей и взаимодействия друг с другом основных подсистем мозга млекопитающих. Это: (i) обучающаяся без учителя кора, кодирующая характерные паттерны входных и управляющих потоков информации; (ii) базальные ганглии, выделяющие полезные для выживания паттерны поведения в процессе обучения с подкреплением; и (iii) мозжечок, использующий кору в качестве учителя, для улучшения контроля над рутинными навыками. Модульная организация взаимодействия этих подсистем позволяет наращивать возможности мозга за счет роста числа модулей в ходе эволюции млекопитающих. Этот же принцип можно использовать и для создания масштабируемых адаптивных управляющих систем.

Четверг, 22 января                    10:30 – 13:00
Аудитория 406

Председатель: ЯХНО Владимир Григорьевич, д.ф.-м.н.

3. КИСЕЛЕВ М. В.
Чувашский государственный университет имени И.Н. Ульянова, Чебоксары
Компьютерное моделирование импульсных нейронных сетей

В лекции рассматривается текущее состояние раздела нейронауки, занимающегося построением и изучением компьютерных моделей импульсных нейронных сетей, класса нейросетевых моделей, наиболее близко соответствующих нейрофизиологической реальности. Обсуждаются различные модели импульсных нейронов, а также построенных из них сетевых структур. Описываются универсальные и специализированные компьютеры применяющиеся для моделирования импульсных нейросетей, методология этого моделирования. Лекция завершается рассмотрением практических применений таких сетей и возможных перспектив развития этого направления.

4. КАЗАНОВИЧ Я. Б.
Институт математических проблем биологии РАН – филиал Государственного федерального учреждения «Федеральный исследовательский центр Институт при-кладной математики им. М.В. Келдыша Российской Академии наук»
Как животные ориентируются в пространстве? Экспериментальные факты и модели

Нобелевская премия по физиологии и медицине за 2014 г. была присуждена Джону О'Кифу и супругам Мэй Брит и Эдварду Мозерам "за открытие нейронов, позволяющих животным ориентироваться в пространстве". В докладе будут описаны основные экспериментальные данные, полученные лауреатами, и некоторые нейросетевые модели, основанные на этих данных.

5. ФРОЛОВ А. А., АЛЕКСАНДРОВ А. В., БОБРОВ П. Д., БИРЮКОВА Е. В.
Институт высшей нервной деятельности и нейрофизиологии РАН, Москва
Биологически адекватные принципы управления экзоскелетом руки человека

Восстановление движений – одна из важнейших задач нейрореабилитации после инсульта. Для ее решения в настоящее время активно разрабатываются экзоскелеты конечностей, управляемые интерфейсом «мозг-компьютер». Однако прогресс в разработке таких экзоскелетов упирается в недостаточное применение принципов управления движениями человека со стороны центральной нервной системы (ЦНС). При разработке биологически адекватных экзоскелетов предполагается использовать два таких принципа: 1) формирование двигательных синергий – координации суставных углов и моментов сил в суставах при движениях многосуставной конечности; 2) управление моментом сил в суставах по обратной связи от суставных углов с задержкой по времени.

Пятница, 23 января                    10:30 – 12:00
Аудитория 406

Председатель: ЛИТИНСКИЙ Леонид Борисович, к.ф.-м.н.

6. GOLOVKO V. A.
Brest State Technical University, Belarus
От многослойных персептронов к нейронным сетям глубокого доверия: парадигмы обучения и применение

В данной лекции рассматриваются и анализируются основные парадигмы обучения персептронных нейронных сетей: от однослойного персептрона к многослойным сетям глубокого доверия, которые считаются революционным шагом в области интеллектуальной обработки данных. Показана несостоятельность некоторых мифов о возможностях персептронных нейронных сетей и обосновывается переход к сверхбольшим персептронным сетям глубокого доверия. Рассмотрены основные модели обучения нейронных сетей глубокого доверия, базирующиеся на ограниченной машине Больцмана (RBM) и автоассоциативном подходе. Предложен новый метод для обучения ограниченной машины Больцмана и показано, что правило обучения ограниченной машины Больцмана является частным случаем предложенного метода обучения, который базируется на минимизации суммарной квадратичной ошибки восстановления информации. Доказана эквивалентность максимизации вероятности распределения данных в ограниченной машине Больцмана и минимизация суммарной квадратичной ошибки восстановления информации в слоях (RBM). Рассматривается применение нейронных сетей глубокого доверия для сжатия, визуализации и распознавания данных.

7. МАКАРЕНКО Н. Г.
Главная астрономическая обсерватория РАН, Санкт-Петербург
Статистическая топология, персистентные ландшафты и случайные поля

Лекция представляет собой введение в современные методы топологического анализа экспериментальных данных. Наблюдаемые скалярные поля разбиваются на множество интервалов, для каждого из которых строится некоторая алгебраическая структура – симплициальный комплекс. Число компонент связности и дыр для такого комплекса измеряются числами Бетти. Распределение этих инвариантов по уровнями или временам жизни, позволяют распознавать паттерны случайного поля или цифрового изображения. Такой анализ становится осмысленным после введения статистики: способов усреднения и сравнения облака точек. В качестве приложений, в лекции рассматриваются проблемы «обучения многообразиям» по зашумленной наблюдаемой выборки точек, с точностью до персистентных гомологий. Примеры для приложений взяты из медицины, астрономии и задач космического мониторинга.

Российская академия наук Министерство образования и науки Российской Федерации Госкорпорация «Росатом» НИЯУ МИФИ НИИСИ РАН МАИ ТРИНИТИ