Школа-семинар "Современные проблемы нейроинформатики"
Нейроинформатика - 2021
Вторник, 19 октября 11:00 – 13:00
Актовый зал
Председатель: МАЛЬСАГОВ Магомед Юсупович, к.ф.-м.н.
Нижегородский государственный университет им. Н.И. Лобачевского
Стресс и «эндорфины»
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. ГОРСКИЙ А. С.
Институт проблем передачи информации им. А.А. Харкевича РАН, Москва
Нейросайнс-задачи для теоретической физики
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.
Вторник, 19 октября 16:30 – 18:30
Актовый зал
Председатель: РЕДЬКО Владимир Георгиевич, д.ф.-м.н.
Московский физико-технический институт (государственный университет)
Нейросетевые методы локализации мобильных роботов по RGB-D изображениям
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. ПАНОВ А. И.
Федеральный исследовательский центр "Информатика и управление" РАН, Москва
Интегрированные модели планирования поведения и обучения с подкреплением
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.
Среда, 20 октября 11:00 – 13:00
Актовый зал
Председатель: ДОЛЕНКО Сергей Анатольевич, к.ф.-м.н.
РАНИ, РАИИ
Причинные нейронные сети тензорного поезда (TTNN)
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. ЕЖОВ А. А.
Государственный научный центр Российской Федерации Троицкий институт инновационных и термоядерных исследований (ГНЦ РФ ТРИНИТИ), Москва
Нейронные сети и физика
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.
Пятница, 22 октября 11:00 – 13:00
Онлайн
Председатель: ЕЖОВ Александр Александрович, к.т.н.
Московский государственный технический университет им. Н.Э. Баумана
Нелинейная динамика и происхождение когнитивных функций интеллектуальных систем
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. КИСЕЛЕВ М. В.
Чувашский государственный университет имени И.Н. Ульянова, Чебоксары
Импульсные нейронные сети и нейропроцессоры
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
