Школа-семинар "Современные проблемы нейроинформатики"
Нейроинформатика - 2018
Вторник, 9 октября 14:00 – 16:00
Алексеевский зал
Председатель: ЕЖОВ Александр Александрович, к.ф.-м.н.
Московский физико-технический институт (государственный университет)
Глубокое структурное обучение. Новый взгляд на обучение с подкреплением
В работе предложен новый подход к глубокому обучению, в том числе к глубокому обучению с подкреплением, на порядки менее требовательный к вычислительным ресурсам, чем градиентная оптимизация глубоких нейросетей. Это качество делает его весьма привлекательным для использования в будущих самообучающихся операционных системах роботов.
2. СОРОКОУМОВ Е. Д.1, ПРОСКУРА А. Л.1, ЗАПАРА Т. А.2, РАТУШНЯК А. С.2
1Институт вычислительных технологий Сибирского отделения Российской академии наук, Новосибирск
2Федеральный исследовательский центр информационных и вычислительных технологий
Физические основы функционирования и эволюционные истоки биологических информационных систем
Попытки создать теорию работы мозга, в силу их разрозненности, не привели пока к принципиально значимым результатам. Для понимания принципов и механизмов работы такой биологической информационной системы, вероятно, необходимо исходить из эволюционных истоков и физических основ существования негэнтропийных систем. При таком подходе уровень сложности задачи становится соизмеримым с существующими теоретическими и экспериментальными возможностями. Учитывая структурное и функциональное подобие систем от молекулярного уровня до уровня всего мозга, можно надеяться на эффективность этого подхода. В этом исследовании предпринята попытка формирования парадигмы работы биологических информационных систем на базе объединения существующей мозаики данных.
Вторник, 9 октября 16:30 – 17:30
Алексеевский зал
Председатель: ДУНИН-БАРКОВСКИЙ Виталий Львович, д.ф.-м.н.
1Федеральный научный центр Научно-исследовательский институт системных исследований РАН, Москва
2Московский физико-технический институт (государственный университет)
Механизмы мозга и нейроморфные вычисления
Данная лекция представляет 342-ю Рабочую сессии нашей команды по обзору и разбору текущих новостей и событий в нейронауках и системах искусственного интеллекта. Такие сессии мы проводим еженедельно, начиная со вторника, 18 октября 2011 г. С 2012 г. эти сессии проходили и в рамках всех конференций Нейроинформатика 201Х. С 1 декабря 2015 г. наши сессии проходят в Московской “Точке кипения” Агентства стратегических инициатив (“Котёл идей Нейронет”: объявления на каждый вторник, см.: https://leader-id.ru/event/point/view/1/ ). В лекции будут представлены события и достижения науки и технологий в нашей области за год, прошедший с конференции Нейроинформатика 2017.
Четверг, 11 октября 10:30 – 12:45
Алексеевский зал
Председатель: ТЮМЕНЦЕВ Юрий Владимирович, д.т.н.
НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова, Москва
Нечёткая логика и нейро-нечёткие системы
Данная лекция представляет собой элементарное введение в нечёткую логику и адаптивные нейро-нечеткие системы. Она охватывает следующие темы: Функции принадлежности. Недостатки бинарной логики и ее парадок-сальность. Непрерывные функции принадлежности. Свойства нечётких множеств и операции с ними. Нечёткие правила и нечёткие выводы. Ал-горитмы нечётких выводов. Нечёткая логика и вероятность. Нечёткая ло-гика типа II. Адаптивное построение нечётких регуляторов. Нечёткая ло-гика и нейронные сети. Адаптивные нейро-нечеткие системы (ANFIS). Применение ANFIS, примеры их использования. Лекция проиллюстрирована результатами применения ANFIS для реше-ния эталонных и реальных задач.
5. МАКАРЕНКО Н. Г.1, КНЯЗЕВА И. С.2
1Главная (Пулковская) астрономическая обсерватория Российской академии наук, Санкт-Петербург
2Санкт-Петербургский государственный университет
Топология и данные
Данная работа написана по мотивам Лекций, прочитанных первым автором на Школах по Нейроинформатике и посвящена топологическому анализу данных. Это новая область прикладной математики, основанная на компьютерной реализации методов алгебраической топологии. В лекции вводятся некоторые полезные понятия, которые иллюстрируются на примерах из Физики Солнца.
6. ЕЖОВ А. А., ХРОМОВ А. Г., ТЕРЕНТЬЕВА С. С.
Государственный научный центр Российской Федерации Троицкий институт инновационных и термоядерных исследований (ГНЦ РФ ТРИНИТИ), Москва
Quantumness and irrationality
Мы приводим аргументы в пользу того, что многочисленные попытки использовать квантовый подход к описанию иррационального поведения на самом деле относятся к поведению рациональному. Мы продолжаем развивать подход, предложенный в 2014 году, который основывался на определении иррационального как такового. Показывается, что квантовый формализм просто является необходимым для описания иррационального. Рассматриваются новые различные обобщения функции импликации на квантовую область, которые ведут к различным типам иррационального поведения, включая суицидальное.
Пятница, 12 октября 10:30 – 13:00
Алексеевский зал
Председатель: САМСОНОВИЧ Алексей Владимирович, д.ф.-м.н.
Национальный исследовательский центр «Курчатовский институт», Москва
Grand Design когнитивной организации: взгляд снизу, сверху, слева и особенно справа
В лекции будет представлен цикл междисциплинарных исследований уровней организации мозга и сознания человека. В ходе исследований с использованием методов математической физики, нейрофизиологии, генетики, психолингвистики и клинической нейропсихологии удалось открыть массивную асимметрию каузальных связей эволюционно различных структур коры головного мозга человека в базовом для сознания состоянии бодрствующего покоя. На материале анализа дифференциальной экспрессии белок-кодирующих генов в структурах фронтополярной коры человека впервые описаны молекулярные аналоги обнаруженной латерализации связей макросетей головного мозга. Нами предложена гипотеза центральной роли правого гиппокампа в качестве современного аналога органа sensus communis, что могло бы объяснить возникновение подобной асимметрии. Эта гипотеза обоснована данными функциональной магнитно-резонансной томографии (фМРТ) и наблюдениями за нарушениями поведения у пациентов с травмами головного мозга.
8. ВЕРХЛЮТОВ В. М.1, БАЛАЕВ В.1, УШАКОВ В. Л.2, ВЕЛИЧКОВСКИЙ Б. М.3
1Институт высшей нервной деятельности и нейрофизиологии РАН, Москва
2Институт перспективных исследований мозга МГУ им. М.В. Ломоносова
3Национальный исследовательский центр «Курчатовский институт», Москва
A novel methodology for simulation of EEG traveling waves on the folding surface of the human cerebral cortex
There is an ample evidence on the existence of traveling waves in the cortex of subhuman animals such as rats, ferrets, monkey, and even birds. These waves have been registered invasively by electrical and optical imaging techniques. Such methodology is not possible in healthy humans. Non-invasive EEG recordings show scalp waves propagation at rates two orders greater than the data obtained invasively in animal experiments. At the same time, it has recently been argued that the traveling waves of both local and global nature do exist in the human cortex. In this article, we report a novel methodology for simulation of EEG spatial dynamics as produced by depolarization waves with parameters taken from animal models. Our simulation of radially propagating waves takes into account the geometry of the surface of the gyri and sulci in the areas of the visual, motor, somatosensory and auditory cortex. The dynamics of the electrical field distribution on the scalp in our simulations is fully consistent with the experimental EEG data recorded in humans.
9. БОНДАРЕВ В. Н.
Севастопольский государственный университет
Цифровая обработка сигналов с использованием импульсных нейронных сетей
В работе обсуждаются модели цифровой обработки сигналов, представленных импульсными последовательностями. Рассматривается модель импульсного нейрона. Анализируются условия применения этой модели для целей цифрового спектрального анализа и фильтрации. Предлагается обобщённая векторно-матричная модель многовходового импульсного нейрона, ориентированная на решение задач цифровой обработки сигналов. Рассмотрена схема адаптивной фильтрации на основе модели многовходового импульсного нейрона. Получены правила обучения с учителем, которые позволяют адаптировать импульсные характеристики синаптических соединений. С целью сокращения количества адаптируемых параметров предлагается модель импульсного нейрона с ортогональным банком фильтров. Рассмотрены примеры адаптивного восстановления сигналов по импульсным последовательностям, подавления аддитивного шума, адаптивного синтеза полосовых фильтров и фильтров со сложной частотной характеристикой.
