Workshop "Current Problems of Neuroinformatics"
Neuroinformatics - 2021
Tuesday, October 19 11:00 – 13:00
Lecture-hall Актовый зал
Chair: Prof. MALSAGOV MAGOMED
N.I. Lobachevsky State University of Nizhni Novgorod
Stress and "endorphins"
В лекции представлена новая концепция механизмов стресса, разрабатываемая автором с 1979 года и сегодня получившая признание. Суть концепции заключается во введении в круг главных нейрохимических механизмов стресса системы эндогенных опиоидных пептидов (в просторечии «эндорфинов»), что приводит к существенной корректировке традиционных подходов к стрессу. На основании собственных экспериментальных данных и результатов критического анализа литературных источников предлагается новое определение стресса: Стресс – неспецифическая защитная стадийная системная редуцированная психофизиологическая реакция на повреждение или его угрозу. Приводятся доказательства принципиальной антиадаптивности стресса. Обсуждаются причины несостоятельности теорий «энергии адаптации». Предлагаются новые способы объективной регистрации стресса в условиях естественной деятельности.
2. GORSKIY A.S.
Institute for Information Transmission Problems (Kharkevich Institute), Moscow
Neuroscience problems for theoretical physics
В докладе будут рассмотрены ключевые вопросы, которые инициированы современными исследованиями мозга, и могут быть изучены методами теоретической физики. Они включают в себя исследование коннектома методами случайных сетей, изучение зависимости явления синхронизации нейронов от структурного и функционального коннектомов. Также будут обсуждены вопросы, связанные с предполагаемой околокритичностью состояния мозга и его термодинамическими свойствами в рамках статистической физики.
Tuesday, October 19 16:30 – 18:30
Lecture-hall Актовый зал
Chair: Prof. RED'KO VLADIMIR
The Moscow Institute of Physics and Technology (State University)
Neural network methods of localization of mobile robots on RGB-D image
Будет дан обзор современных методов локализации роботов по изображениям бортовых RGB-D камер. Основное внимание будет уделено задаче визуального распознавания места (Visual place recognition). Будут рассмотрены особенности ключевых этапов решения этой задачи: поиска похожих изображений, извлечения и сопоставления локальных признаков на них и оптимизации трехмерной позы камеры. Также рассмотрим возможности открытого решения HPointLoc (датасет и платформа для экспериментов), разработанного в МФТИ и ФИЦ ИУ РАН.
4. PANOV A.I.
Federal Research Center "Informatics and Control" RAS, Moscow
Integrated models of behavior planning and reinforcement learning
В лекции будет дан краткий обзор методов обучения с подкреплением с использованием модели внешней среды. Будут обсуждаться различные варианты интеграции методов планирования поведения и обучения действиям в среде. Рассмотрим такие алгоритмы как Dyna, Dreamer, AlphaZero и другие. Обсудим оригинальную архитектуры одновременного планирования и обучения (SLAP) и ее приложения к реальным практическим задачам.
Wednesday, October 20 11:00 – 13:00
Lecture-hall Актовый зал
Chair: Prof. DOLENKO SERGEY
Tensor train neural networks
В лекции обсуждается проблематика необходимости разработки причинно-следственных моделей в контексте перспективных систем принятия решений и искусственного интеллекта. Рассматриваются свойства предложенных причинных нейронных сетей тензорного поезда для создания персональных ассистентов при работе с научной текстовой информацией.
6. EZHOV A.A.
State Research Center of Russian Federation "Troitsk institute for innovation & fusion research", Moscow
Neural networks and physics
Первая встреча нейронных сетей и физики произошла в 1982 году, когда Джон Хопфилд предложил нейросетевую модель содержательно-адресованной памяти, черпая вдохновение в физике спиновых стекол. Вторая встреча состоялась в 1995 году, в котором Сабхаш Как предложил модель, объединяющую нейронные сети с квантовой механикой. В настоящее время квантовым нейросетям посвящено почти 500 работ. В лекции будет рассмотрено взаимоотношение теории нейронных сетей с квантовой механикой, квантовой космологией, их использованием теоретиками для объединения квантовой механики и теории гравитации и другие интересные вопросы связи теории нейронных сетей и физики.
Friday, October 22 11:00 – 13:00
Lecture-hall Онлайн
Chair: Prof. EZHOV ALEXANDER
Bauman Moscow State Technical University
Nonlinear dynamics and the origin of cognitive functions of intelligent systems
Одной из основных проблем современных исследований в области когнитивистики и, в частности, дальнейшего развития теории искусственного интеллекта, является проблема связи понятия интеллекта и современных физико-математических представлений в области нелинейной динамики. В работе предлагается использование методов символической динамики и теории метаграфов для объяснения процессов возникновения семантических структур на разных уровнях организации сложных иерархических систем. Такие семантические структуры могут быть представлены как иерархии языков с соответствующей семантикой, возникающей на каждом из уровней организации системы, взаимодействующей с внешней средой. Подход, основанный на исследованиях, связанных с динамикой иерархических систем, может позволить выйти на новый уровень понимания работы мозга и дальнейшего развития исследований в области искусственных нейронных сетей.
8. KISELEV M.V.
The Chuvash state university named after I. N. Ulyanov
Impulse neural networks and neuroprocessors
Импульсные нейронные сети (ИНС), наиболее биологически реалистичный класс нейросетевых моделей, рассматривались на протяжении текущего столетия как одна из перспективных точек роста нейронауки в целом. Однако, основным препятствием для реализации этого роста является сложность (точнее, крайняя неэффективность) моделирования ИНС на традиционных вычислительных системах. В настоящее время стали появляться (и чем дальше, тем больше) специализированные процессоры, разработанные для эффективной эмуляции ИНС. Это сформировало большие надежды на то, что связка – «ИНС + нейропроцессоры», возможно, будет базой для технологического прорыва в близком будущем в сфере искусственного интеллекта. В настоящем обзорном докладе рассмотрены различные аспекты как теоретических оснований этой технологии (часто определяемой как «нейроморфные вычисления»), так и вопросы аппаратно-программной реализации и практических применений. После краткого экскурса в историю, в мотивационной части доклада сформулированы характеристические для концепции нейроморфных вычислений принципы, основные преимущества ИНС и нейропроцессоров перед традиционными нейросетями. Затем рассмотрен теоретический базис, лежащий в основе этого направления, кратко описаны основные формальные модели импульсных нейронов, синапсов, архитектуры сетей, методы кодирования информации в ИНС, подходы к их обучению в режимах с учителем и без учителя, механизмы рабочей памяти в ИНС. Обсуждается взаимосвязь между построением теории ИНС и изучением мозга. Вторая часть доклада посвящена методам компьютерного моделирования ИНС - сначала на традиционных компьютерах и GPU, а затем – на специализированных нейропроцессорах. На примере нейрочипов TrueNorth и Loihi рассмотрены архитектурные принципы построения этих специализированных не-фоннеймановских вычислителей. Рассмотрены также другие существующие проекты по аппаратной поддержке эмуляции больших ИНС. Особое внимание уделено вопросу обучения ИНС на чипе. Далее обсуждаются уже известные и
