Пленарное заседание
Нейроинформатика - 2022
Понедельник, 17 октября 11:15 – 13:15
Концертный зал
Председатель: ДУНИН-БАРКОВСКИЙ Виталий Львович, д.ф.-м.н.
University of Leicester, Great Britain
Интеллектуальная обработка многомерных данных: специальная геометрия данных или «хорошие» алгоритмы
Принцип компактности данных, предложенный Браверманом в 1960е, был источником многих исследований. Сейчас, в эпоху многомерных данных и машинного обучения, вновь встает вопрос: связаны удачи и неудачи со специальной геометрией данных или с качеством алгоритмов (а если и с тем, и с другим, то как)? В моем докладе я предлагаю обзор проблемы геометрии многомерных данных с точки зрения принципа компактности, специально останавливаюсь на теоретическом бесконечномерном пределе и объяснении того, как «компактность по Браверману» связана с топологической компактностью, предлагаю теоремы об универсальной уязвимости систем машинного обучения к адверсарным и стелс атакам в высокой размерности, а также результаты о потенциальной защите от таких атак. Исследуется задача о коррекции ошибок систем машинного обучения в многомерном иерархически организованном мире.
2. УШАКОВ Д. В.
Институт психологии РАН, Москва
Двухполюсные модели когнитивной системы в психологии: параллели с искусственным интеллектом
Понедельник, 17 октября 14:00 – 17:00
Концертный зал
Председатель: КАРАНДАШЕВ Яков Михайлович, к.ф.-м.н.
НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова, Москва
Применение нейронных сетей в анализе данных современных коллайдерных экспериментов
В докладе будет представлен обзор современных методов анализа данных коллайдерных экспериментов с целью проведения измерений редких процессов и поиска "новой физики".
4. ОСАДЧИЙ А. Е.
Национальный исследовательский университет «Высшая школа экономики», Москва
Объясняемый искусственный интеллект для извлечения новых знаний и цензурирования моделей в нейронауке
5. БУРНАЕВ Е. В.
Сколковский институт науки и технологий
Робастность глубоких нейросетей: геометрический подход
Вторник, 18 октября 10:00 – 12:00
Зал ученого совета
Председатель: ЕЖОВ Александр Александрович, к.ф.-м.н.
Институт космических исследований РАН, Москва
Квантовые системы искусственного интеллекта: модели, методы, элементная база
Квантовые нейронные сети являются естественным обобщением классических нейронных сетей на случай, когда либо входные данные, либо состояния нейронов сети, либо оба, могут представлять собой квантовую суперпозицию различных значений, приводящую к классическому значению лишь в результате квантового измерения. При решении обычных задач искусственного интеллекта, таких как распознавание образов, квантовый параллелизм нейронной сети может обеспечить сведение экспоненциально сложной задачи к полиномиальной, подобно тому, как это происходит для алгоритма квантового поиска в неупорядоченной базе данных. В общем же случае, когда квантовая нейронная сеть взаимодействует с окружением для получения входных данных, т. е., представляет собой открытую квантовую систему, процесс обучения не может не влиять на окружение. Это накладывает на квантовые системы искусственного интеллекта те же термодинамические ограничения, что и на другие тепловые машины и ограничивает возможности обучения. В данном докладе рассматриваются различные предложенные к настоящему времени модели квантовых нейронных сетей, методы их обучения, а также их возможная имплементация, как на существующих квантовых компьютерах сетевого типа, так и на различных специальных устройствах: специализированных процессорах на основе SQUID, квантовых машинах Больцмана, квантовых резервуарах.
7. ПАНОВ А. И.
Федеральный исследовательский центр "Информатика и управление" РАН, Москва
Генерализация, память и трансформерные модели в обучении с подкреплением
В докладе будет рассмотрена проблема обобщения и переобучения в обучении с подкреплением (RL). Рассмотрим различные типы определения обобщенной стратегии и подходы к повышению генерализующей способности методов RL. Уделим особое внимание одному из таких подходов – использование отдельных блоков памяти и применение современных трансформерных архитектур. Рассмотрим последние алгоритмы и методы, работающие как в онлайн, так и в оффлайн режиме.
Среда, 19 октября 10:00 – 12:00
Концертный зал
Председатель: КИСЕЛЕВ Михаил Витальевич, к.т.н.
Московский государственный университет им. М.В. Ломоносова
Подходы фотоники для создания нейроморфных и вычислительных систем
9. КАНГЛЕР В. М.
ООО "Мотив НТ"
Нейроморфный процессор "AltAI"
