📌 Анонс семинара Лаборатории 23 сентября (16.20 в 4117):
🗒 Vascular Deformation Mapping: анализ локального роста аневризмы брюшной аорты
Аневризма брюшной аорты (АБА) — это серьезное и потенциально смертельное заболевание, характеризующееся патологическим расширением брюшной аорты, что ослабляет стенки сосуда и может привести к разрыву аневризмы, а также летальному исходу. Текущие методы мониторинга роста АБА в клинической практике обладают ограниченной точностью, что зачастую ведёт к некорректной оценке стадии заболевания и повышенному риску для пациентов. В последнее время активно развиваются алгоритмы, основанные на регистрации медицинских изображений. В частности, технология Vascular Deformation Mapping (VDM), которая позволяет количественно оценивать динамику роста аневризмы и прогнозировать дальнейшее развитие патологии. В докладе будут рассмотрены как классические, так и современные нейросетевые подходы к VDM. Также будет представлен опыт применения этой методики для оценки скорости роста АБА, её преимущества перед традиционными методами и дальнейшие планы развития в рамках проекта лаборатории ПЦТ.
Докладчик: Иван Калачев
🗒 Байесовские методы в обнаружении точек изменений состояния
Анализ точек изменений состояния является предметом интереса во многих областях исследований. Этот вид анализа связан с проблемой выявления резких или внезапных изменений в заданном временном ряду. Согласно определению, анализ точек изменений — это метод определения точек изменений, которые представляют собой моменты времени, когда распределение вероятностей временного ряда изменяется. В этом докладе рассматриваются байесовские методы, предназначенные для этой задачи. Данный подход представляет собой вероятностный метод, который позволяет построить распределение вероятностей нахождения точек изменения в данных, опираясь на априорные знания об этих событиях. В докладе рассматриваются два метода для работы с многомерными временными рядами и представлено сравнение работы данного алгоритма с DL-подходами к детекции точек изменения состояния в промышленных данных.
Докладчик: Илья Кульбаченко
🗒 Задача отслеживания крайне медленного объекта с высокой точностью с применением камеры
Отслеживание движения объектов с помощью камеры — распространенная задача, когда речь идет об уличном или внутреннем видеонаблюдении. Алгоритмы по типу optical flow интегрированы в библиотеки по типу OpenCV. Но что делать, если необходимо восстановить координаты в 3D пространстве для объекта, движущегося со скоростью, измеряемой в миллиметрах в секунду? В данном докладе будет рассмотрен комбинированный подход к решению этой задачи с использованием камеры и датчика пространственного положения с применением математических алгоритмов с фокусом на реализации взаимодействия оборудования.
Докладчик: Кирилл Тарасов
🗒 Vascular Deformation Mapping: анализ локального роста аневризмы брюшной аорты
Аневризма брюшной аорты (АБА) — это серьезное и потенциально смертельное заболевание, характеризующееся патологическим расширением брюшной аорты, что ослабляет стенки сосуда и может привести к разрыву аневризмы, а также летальному исходу. Текущие методы мониторинга роста АБА в клинической практике обладают ограниченной точностью, что зачастую ведёт к некорректной оценке стадии заболевания и повышенному риску для пациентов. В последнее время активно развиваются алгоритмы, основанные на регистрации медицинских изображений. В частности, технология Vascular Deformation Mapping (VDM), которая позволяет количественно оценивать динамику роста аневризмы и прогнозировать дальнейшее развитие патологии. В докладе будут рассмотрены как классические, так и современные нейросетевые подходы к VDM. Также будет представлен опыт применения этой методики для оценки скорости роста АБА, её преимущества перед традиционными методами и дальнейшие планы развития в рамках проекта лаборатории ПЦТ.
Докладчик: Иван Калачев
🗒 Байесовские методы в обнаружении точек изменений состояния
Анализ точек изменений состояния является предметом интереса во многих областях исследований. Этот вид анализа связан с проблемой выявления резких или внезапных изменений в заданном временном ряду. Согласно определению, анализ точек изменений — это метод определения точек изменений, которые представляют собой моменты времени, когда распределение вероятностей временного ряда изменяется. В этом докладе рассматриваются байесовские методы, предназначенные для этой задачи. Данный подход представляет собой вероятностный метод, который позволяет построить распределение вероятностей нахождения точек изменения в данных, опираясь на априорные знания об этих событиях. В докладе рассматриваются два метода для работы с многомерными временными рядами и представлено сравнение работы данного алгоритма с DL-подходами к детекции точек изменения состояния в промышленных данных.
Докладчик: Илья Кульбаченко
🗒 Задача отслеживания крайне медленного объекта с высокой точностью с применением камеры
Отслеживание движения объектов с помощью камеры — распространенная задача, когда речь идет об уличном или внутреннем видеонаблюдении. Алгоритмы по типу optical flow интегрированы в библиотеки по типу OpenCV. Но что делать, если необходимо восстановить координаты в 3D пространстве для объекта, движущегося со скоростью, измеряемой в миллиметрах в секунду? В данном докладе будет рассмотрен комбинированный подход к решению этой задачи с использованием камеры и датчика пространственного положения с применением математических алгоритмов с фокусом на реализации взаимодействия оборудования.
Докладчик: Кирилл Тарасов
👍3🔥3😎2
📌 Анонс семинара Лаборатории 30 сентября (16.20 в 4117):
🗒 Автоматизация детекции центров колосков на RGB изображениях колоса пшеницы
Пшеница — это важная сельскохозяйственная культура, которая является одним из основных продуктов питания. Количество колосков в колосе растения является значимым признаком при селекции пшеницы, поскольку это свойство непосредственно связано с урожайностью. Помимо количества колосков, их взаимное расположение также может иметь биологическое значение. Доклад посвящен разработке метода для автоматического обнаружения и подсчета центров колосков пшеницы на RGB-изображениях колоса. Будут рассмотрены несколько различных подходов с использованием глубокого обучения для решения этой задачи в области компьютерного зрения.
Докладчик: Игорь Бусов
🗒 Сервис по подбору рецензентов для научных статей
Рецензирование — процедура рассмотрения научных работ учёными-специалистами в той же области. Рецензирование проводится для контроля качества научных статей перед публикацией, а также для диссертаций и дипломных работ. Поиск рецензента часто оказывается трудоёмкой задачей. Некоторые научные журналы уже используют автоматические системы подбора рецензентов, но такие системы обычно являются закрытыми. В прошлом для таких систем использовали сравнение рецензентов по ключевым словам, по системам классификации УДК и MSC, а также графовые методы. В докладе будет представлена RAG архитектура для поиска рецензентов, совмещающая в себе поиск по базе эмбеддингов с формулированием ответа при помощи LLM.
Докладчик: Данил Ковалевский
🗒 Установка на НИС ПЦТ
Во второй половине заседания будет проведена установка, в рамках которой мы обсудим основные цели и задачи семинара, требования к участию, критерии оценивания работы и правила получения зачета. В ходе встречи у вас будет возможность задать вопросы, касающиеся организационных моментов, и обсудить ожидания на предстоящий семестр. Ждем всех студентов математического центра, которые не были 16.09.24.
🗒 Автоматизация детекции центров колосков на RGB изображениях колоса пшеницы
Пшеница — это важная сельскохозяйственная культура, которая является одним из основных продуктов питания. Количество колосков в колосе растения является значимым признаком при селекции пшеницы, поскольку это свойство непосредственно связано с урожайностью. Помимо количества колосков, их взаимное расположение также может иметь биологическое значение. Доклад посвящен разработке метода для автоматического обнаружения и подсчета центров колосков пшеницы на RGB-изображениях колоса. Будут рассмотрены несколько различных подходов с использованием глубокого обучения для решения этой задачи в области компьютерного зрения.
Докладчик: Игорь Бусов
🗒 Сервис по подбору рецензентов для научных статей
Рецензирование — процедура рассмотрения научных работ учёными-специалистами в той же области. Рецензирование проводится для контроля качества научных статей перед публикацией, а также для диссертаций и дипломных работ. Поиск рецензента часто оказывается трудоёмкой задачей. Некоторые научные журналы уже используют автоматические системы подбора рецензентов, но такие системы обычно являются закрытыми. В прошлом для таких систем использовали сравнение рецензентов по ключевым словам, по системам классификации УДК и MSC, а также графовые методы. В докладе будет представлена RAG архитектура для поиска рецензентов, совмещающая в себе поиск по базе эмбеддингов с формулированием ответа при помощи LLM.
Докладчик: Данил Ковалевский
🗒 Установка на НИС ПЦТ
Во второй половине заседания будет проведена установка, в рамках которой мы обсудим основные цели и задачи семинара, требования к участию, критерии оценивания работы и правила получения зачета. В ходе встречи у вас будет возможность задать вопросы, касающиеся организационных моментов, и обсудить ожидания на предстоящий семестр. Ждем всех студентов математического центра, которые не были 16.09.24.
🔥3🗿3👍2👏2
📌 Анонс семинара Лаборатории 7 октября (16.20 в 4117):
🗒 Разработка ИИ-сервиса для автоматической диагностики МРТ-изображений
В условиях растущего объема медицинских данных и увеличения числа исследований методом МРТ, существует потребность в разработке эффективных инструментов для автоматической диагностики. Настоящий доклад посвящен разработке интеллектуального сервиса, использующего методы глубокого обучения для автоматической разметки МРТ-изображений. Разработанный сервис включает в себя функции автоматической сегментации пораженных участков и предоставляет режим дообучения для улучшения работы модели на новых данных. Важной особенностью системы является режим консенсусной ручной разметки, что позволяет врачам-клиницистам вносить коррективы, повышая точность диагностики. Рассматриваются актуальные задачи в области медицинской обработки данных, преимущества предложенного подхода, а также перспективы интеграции с существующими системами здравоохранения.
Докладчица: Ропперт Екатерина
🗒 Мультимодальность, RAG и проект «Менон»
В мире нейронных сетей, особенно, если говорить о больших языковых моделях, сейчас выделяются два популярных тренда — генерация, дополненная поиском (RAG) и добавление данных, включающих в себя разные модальности. Но как сочетать эти два тренда вместе? Проект «Менон» реализуется по программе «Приоритет 2030», его целью является создание адаптивных и интерпретируемых диалоговых систем, которые способны работать с разными сферами знаний и модальностями. Системы такого рода могут быть полезны для использования на внутренней базе знаний организации, модерации и копирайтинга мультимодальных данных.
Докладчик: Дерунец Роман
🗒 Мультимодальные языковые модели для задач image-to-text на маркетплейсе
Мультимодальные языковые модели, способные обрабатывать визуальные и текстовые данные, находят широкое применение в задачах автоматической генерации текстов на основе изображений. Эти модели позволяют эффективно связывать визуальные признаки с текстовыми описаниями, что делает их полезными в различных областях. В данном докладе рассматривается их адаптация к задачам маркетплейса, таким как создание описания товара и заполнение его свойств. Это помогает улучшить точность информации в карточках товаров и минимизировать влияние ручного ввода, который часто подвержен ошибкам и неполноте данных.
Докладчик: Шарков Сергей
🗒 Разработка ИИ-сервиса для автоматической диагностики МРТ-изображений
В условиях растущего объема медицинских данных и увеличения числа исследований методом МРТ, существует потребность в разработке эффективных инструментов для автоматической диагностики. Настоящий доклад посвящен разработке интеллектуального сервиса, использующего методы глубокого обучения для автоматической разметки МРТ-изображений. Разработанный сервис включает в себя функции автоматической сегментации пораженных участков и предоставляет режим дообучения для улучшения работы модели на новых данных. Важной особенностью системы является режим консенсусной ручной разметки, что позволяет врачам-клиницистам вносить коррективы, повышая точность диагностики. Рассматриваются актуальные задачи в области медицинской обработки данных, преимущества предложенного подхода, а также перспективы интеграции с существующими системами здравоохранения.
Докладчица: Ропперт Екатерина
🗒 Мультимодальность, RAG и проект «Менон»
В мире нейронных сетей, особенно, если говорить о больших языковых моделях, сейчас выделяются два популярных тренда — генерация, дополненная поиском (RAG) и добавление данных, включающих в себя разные модальности. Но как сочетать эти два тренда вместе? Проект «Менон» реализуется по программе «Приоритет 2030», его целью является создание адаптивных и интерпретируемых диалоговых систем, которые способны работать с разными сферами знаний и модальностями. Системы такого рода могут быть полезны для использования на внутренней базе знаний организации, модерации и копирайтинга мультимодальных данных.
Докладчик: Дерунец Роман
🗒 Мультимодальные языковые модели для задач image-to-text на маркетплейсе
Мультимодальные языковые модели, способные обрабатывать визуальные и текстовые данные, находят широкое применение в задачах автоматической генерации текстов на основе изображений. Эти модели позволяют эффективно связывать визуальные признаки с текстовыми описаниями, что делает их полезными в различных областях. В данном докладе рассматривается их адаптация к задачам маркетплейса, таким как создание описания товара и заполнение его свойств. Это помогает улучшить точность информации в карточках товаров и минимизировать влияние ручного ввода, который часто подвержен ошибкам и неполноте данных.
Докладчик: Шарков Сергей
🔥5👍2🤯1👌1
📌 Анонс семинара Лаборатории 14 октября (16.20 в 4117):
🗒 Обучение по расписанию больших языковых моделей
Подход обучения с расписанием (curriculum learning) был вдохновлён традиционным способом обучения человека, когда информация подаётся «от простого к сложному». Предлагается в процессе обучения подавать данные, сортируя их по некоторой метрике сложности. Такой подход позволяет существенно улучшить обобщающую способность моделей в задачах, где такую метрику можно явно определить. В докладе будут изложены различные способы организации CL для больших языковых моделей: основанные на статистических оценках данных, на внутренних оценках модели и на использовании «внешних» графов знаний.
Докладчик: Виктор Урушкин
🗒 Проблемы цифрового фенотипирования, и что мы планируем с ними делать
В рамках гранта по анализу колосьев с помощью компьютерного зрения есть ряд ключевых задач, существующие решения которых недостаточно точны, а некоторые из них даже неуместны для дальнейшего распространения и использования. В своем докладе Никита расскажет про эти задачи, какие проблемы в их текущих решениях существуют, а также о идеях того, как эти проблемы можно решить. В частности, мы поговорим про перспективы применения zero-shot подходов на биологических данных, а также подходов, основанных на предобучении моделей на больших датасетах классификации изображений растений.
Докладчик: Никита Артеменко
🗒 Оценка T2V моделей на основе динамики [обзор статьи]
С развитием Text2Video моделей возникает потребность в более точных методах оценки качества сгенерированных видеороликов. В данной работе представлен новый протокол оценки T2V моделей, названный DEVIL, который акцентирует внимание на динамике видеоконтента. В отличие от существующих методов, сосредоточенных на непрерывности и согласованности, DEVIL оценивает диапазон, управляемость и качество динамики. Новый бенчмарк из текстовых промптов, а также метрики временной детализации позволяют более объективно оценивать производительность моделей по динамике, которая является важным параметром. Экспериментальные результаты показывают высокую корреляцию предложенного метода с человеческими оценками, что делает DEVIL перспективным инструментом для дальнейшего развития технологий T2V моделей.
Докладчик: Павел Перминов
🗒 Обучение по расписанию больших языковых моделей
Подход обучения с расписанием (curriculum learning) был вдохновлён традиционным способом обучения человека, когда информация подаётся «от простого к сложному». Предлагается в процессе обучения подавать данные, сортируя их по некоторой метрике сложности. Такой подход позволяет существенно улучшить обобщающую способность моделей в задачах, где такую метрику можно явно определить. В докладе будут изложены различные способы организации CL для больших языковых моделей: основанные на статистических оценках данных, на внутренних оценках модели и на использовании «внешних» графов знаний.
Докладчик: Виктор Урушкин
🗒 Проблемы цифрового фенотипирования, и что мы планируем с ними делать
В рамках гранта по анализу колосьев с помощью компьютерного зрения есть ряд ключевых задач, существующие решения которых недостаточно точны, а некоторые из них даже неуместны для дальнейшего распространения и использования. В своем докладе Никита расскажет про эти задачи, какие проблемы в их текущих решениях существуют, а также о идеях того, как эти проблемы можно решить. В частности, мы поговорим про перспективы применения zero-shot подходов на биологических данных, а также подходов, основанных на предобучении моделей на больших датасетах классификации изображений растений.
Докладчик: Никита Артеменко
🗒 Оценка T2V моделей на основе динамики [обзор статьи]
С развитием Text2Video моделей возникает потребность в более точных методах оценки качества сгенерированных видеороликов. В данной работе представлен новый протокол оценки T2V моделей, названный DEVIL, который акцентирует внимание на динамике видеоконтента. В отличие от существующих методов, сосредоточенных на непрерывности и согласованности, DEVIL оценивает диапазон, управляемость и качество динамики. Новый бенчмарк из текстовых промптов, а также метрики временной детализации позволяют более объективно оценивать производительность моделей по динамике, которая является важным параметром. Экспериментальные результаты показывают высокую корреляцию предложенного метода с человеческими оценками, что делает DEVIL перспективным инструментом для дальнейшего развития технологий T2V моделей.
Докладчик: Павел Перминов
🔥5👍3😈2
📌 Анонс семинара Лаборатории 21 октября (16.20 в 4117):
🗒 Кристаллические структуры: как ML помогает в исследованиях материалов
В докладе будут рассмотрены современные методы машинного обучения, применяемые для генерации новых кристаллических структур. Мы обсудим специфику области, ее значение в науке, а также как новые подходы ускоряют разработку материалов с заданными свойствами, заменяя трудоемкие эксперименты и расчеты.
Докладчик: Тютюльников Михаил
🗒 Гибридное моделирование для задачи прогнозирования технологических составов глушения скважин в условиях АНПД
Существующие методики оценки и прогнозирования объемов технологических составов для глушения скважин в России эффективны на большинстве месторождений. Однако для месторождений с высоким газовым фактором и аномально низким пластовым давлением эти методики не работают корректно. Для решения этой проблемы предлагается использовать гибридное моделирование, объединяющее методы машинного обучения с классическими математическими моделями фильтрации жидкости. Гибридный подход позволяет учитывать сложные зависимости в данных и опираться на физические принципы фильтрации в трещиновато-пористых средах. В докладе поговорим о задаче прогнозирования объемов технологических составов для глушения скважин, шаблонах проектирования гибридного моделирования и о результатах объединения этих двух направлений.
Докладчица: Кучендаева Ева
🗒 DeepSeekMath: расширяем границы математических рассуждений в открытых языковых моделях [обзор статьи]
Большие языковые модели продемонстрировали свою эффективность различных задачах естественного языка. Однако математические рассуждения — это одна из областей, в которой языковые модели все еще далеки от человеческого уровня. Решение математических и научных вопросов требует сочетания навыков, включая правильный разбор вопроса с использованием естественного языка и математических обозначений, запоминание соответствующих формул и констант и генерацию пошаговых решений, включающих численные вычисления и символьные манипуляции. В разобранной статье представляется open–source модель DeepSeekMath 7B, полученная с помощью дообучения модели DeepSeek-Coder-Base-v1.5 7B с использованием 120B математических токенов, а также данных естественного языка и кода. DeepSeekMath 7B набрала впечатляющий результат в 51,7% в тесте по математике конкурсного уровня, не полагаясь на внешние инструменты и методы голосования и приблизившись к уровню результативности больших закрытых моделей Gemini-Ultra и GPT-4.
Докладчик: Коробов Александр
🗒 Кристаллические структуры: как ML помогает в исследованиях материалов
В докладе будут рассмотрены современные методы машинного обучения, применяемые для генерации новых кристаллических структур. Мы обсудим специфику области, ее значение в науке, а также как новые подходы ускоряют разработку материалов с заданными свойствами, заменяя трудоемкие эксперименты и расчеты.
Докладчик: Тютюльников Михаил
🗒 Гибридное моделирование для задачи прогнозирования технологических составов глушения скважин в условиях АНПД
Существующие методики оценки и прогнозирования объемов технологических составов для глушения скважин в России эффективны на большинстве месторождений. Однако для месторождений с высоким газовым фактором и аномально низким пластовым давлением эти методики не работают корректно. Для решения этой проблемы предлагается использовать гибридное моделирование, объединяющее методы машинного обучения с классическими математическими моделями фильтрации жидкости. Гибридный подход позволяет учитывать сложные зависимости в данных и опираться на физические принципы фильтрации в трещиновато-пористых средах. В докладе поговорим о задаче прогнозирования объемов технологических составов для глушения скважин, шаблонах проектирования гибридного моделирования и о результатах объединения этих двух направлений.
Докладчица: Кучендаева Ева
🗒 DeepSeekMath: расширяем границы математических рассуждений в открытых языковых моделях [обзор статьи]
Большие языковые модели продемонстрировали свою эффективность различных задачах естественного языка. Однако математические рассуждения — это одна из областей, в которой языковые модели все еще далеки от человеческого уровня. Решение математических и научных вопросов требует сочетания навыков, включая правильный разбор вопроса с использованием естественного языка и математических обозначений, запоминание соответствующих формул и констант и генерацию пошаговых решений, включающих численные вычисления и символьные манипуляции. В разобранной статье представляется open–source модель DeepSeekMath 7B, полученная с помощью дообучения модели DeepSeek-Coder-Base-v1.5 7B с использованием 120B математических токенов, а также данных естественного языка и кода. DeepSeekMath 7B набрала впечатляющий результат в 51,7% в тесте по математике конкурсного уровня, не полагаясь на внешние инструменты и методы голосования и приблизившись к уровню результативности больших закрытых моделей Gemini-Ultra и GPT-4.
Докладчик: Коробов Александр
🔥3👍1😱1
🎤 Уважаемые участники и гости нашего семинара!
Мы рады сообщить, что список выступающих на предстоящие семинары сформирован. В ближайшие месяцы нас ждут интересные доклады и обсуждения. Вот расписание наших встреч:
🗓 Место и время проведения остаются прежними. Ждем всех на наших семинарах, это отличная возможность обменяться знаниями и обсудить самые актуальные научные вопросы! ✨
🤝 Приглашаем к участию и ждем интересных вопросов от всех слушателей!
Мы рады сообщить, что список выступающих на предстоящие семинары сформирован. В ближайшие месяцы нас ждут интересные доклады и обсуждения. Вот расписание наших встреч:
Дата | Выступающие
------------|------------------------
21.10.2024 | Кучендаева Ева
| Тютюльников Михаил
| Коробов Александр
------------|------------------------
28.10.2024 | Усачев Никита
| Коновалов Назар
------------|------------------------
04.11.2024 | ВЫХОДНОЙ
------------|------------------------
11.11.2024 | Тарасов Александр
| Гарипов Тимур
------------|------------------------
18.11.2024 | Иванков Павел
| Мищенко Александр
| Денисов Семен
| Шульгин Егор
------------|------------------------
25.11.2024 | Легченко Антон
| Тищенко Данил
------------|------------------------
02.12.2024 | Морозов Дмитрий
| Калинин Владислав
| Роман Козырев
------------|------------------------
09.12.2024 | Сергеев Кирилл
| Москаленко Константин
| Еникеев Тимур
| Козюрина Алена
------------|------------------------
16.12.2024 | Братенков Мирон
| Гребенкин Данил
| Яшунин Кирилл
| Куликова Алина
------------|------------------------
23.12.2024 | Федотова Яна
| Чигишев Александр
| Сахаров Данил
🗓 Место и время проведения остаются прежними. Ждем всех на наших семинарах, это отличная возможность обменяться знаниями и обсудить самые актуальные научные вопросы! ✨
🤝 Приглашаем к участию и ждем интересных вопросов от всех слушателей!
🔥8👍2🤓2
📌 Анонс семинара Лаборатории 28 октября (16.20 в 4117):
🗒 Применение нейронных сетей для компенсации искажений передачи сигнала в волоконно-оптических линиях связи
Передача сигнала в волоконно-оптической связи представляет собой сложный процесс. За последний год объем передаваемой информации в мире увеличился на 45%, в то время как рост пропускной способности составил лишь 20%. Это создает значительные вызовы для обеспечения стабильности и точности передачи данных. Примерно с 2021 года начали активно исследовать новые подходы, позволяющие отойти от традиционных численных методов восстановления сигнала на приемнике, поскольку их производительность в условиях повышенной нагрузки уже недостаточна. В докладе будет подробно рассмотрен классический цикл работы передачи сигнала в оптоволоконной линии, а также численный метод, который применяется для восстановления сигнала в традиционных системах. Кроме того, будет обсуждено, как использование нейронных сетей помогает существенно улучшить качество восстановления сигнала, и представлены примеры их успешного применения для повышения точности и скорости обработки.
Докладчик: Усачев Никита
🗒 Разработка протеза стопы
Разработка протезов стоп — сложный и трудоемкий процесс. В настоящее время он осуществляется преимущественно с использованием физических методов, что делает процесс длительным и менее гибким. Применение математического моделирования могло бы значительно оптимизировать эту задачу. В докладе будет представлен проект исследовательской группы по биомеханике и медицинскому инжинирингу, направленный на разработку протеза с использованием методов математического моделирования. Будет рассмотрена роль композитных материалов, их особенности и сложности в работе с ними. Также будет объяснено, почему предложенная в статье математическая модель протеза не подходит для разработки, и представлена новая разработанная геометрия протеза стопы.
Докладчик: Коновалов Назар
🗒 Применение нейронных сетей для компенсации искажений передачи сигнала в волоконно-оптических линиях связи
Передача сигнала в волоконно-оптической связи представляет собой сложный процесс. За последний год объем передаваемой информации в мире увеличился на 45%, в то время как рост пропускной способности составил лишь 20%. Это создает значительные вызовы для обеспечения стабильности и точности передачи данных. Примерно с 2021 года начали активно исследовать новые подходы, позволяющие отойти от традиционных численных методов восстановления сигнала на приемнике, поскольку их производительность в условиях повышенной нагрузки уже недостаточна. В докладе будет подробно рассмотрен классический цикл работы передачи сигнала в оптоволоконной линии, а также численный метод, который применяется для восстановления сигнала в традиционных системах. Кроме того, будет обсуждено, как использование нейронных сетей помогает существенно улучшить качество восстановления сигнала, и представлены примеры их успешного применения для повышения точности и скорости обработки.
Докладчик: Усачев Никита
🗒 Разработка протеза стопы
Разработка протезов стоп — сложный и трудоемкий процесс. В настоящее время он осуществляется преимущественно с использованием физических методов, что делает процесс длительным и менее гибким. Применение математического моделирования могло бы значительно оптимизировать эту задачу. В докладе будет представлен проект исследовательской группы по биомеханике и медицинскому инжинирингу, направленный на разработку протеза с использованием методов математического моделирования. Будет рассмотрена роль композитных материалов, их особенности и сложности в работе с ними. Также будет объяснено, почему предложенная в статье математическая модель протеза не подходит для разработки, и представлена новая разработанная геометрия протеза стопы.
Докладчик: Коновалов Назар
👍3🔥2👌2
📌 Анонс семинара Лаборатории 11 ноября (16.20 в 5234):
🗒 От промтов к векторным представлениям: как современные подходы меняют хранение и понимание текста
Задумывались ли вы когда-нибудь, что векторные представления документов можно «промтить» при кодировке? Генеративные модели настолько прочно вошли в нашу повседневность, что почти любое текстовое взаимодействие теперь проходит через фильтр ChatGPT или подобных инструментов. Однако в основном эти модели применяются для генерации текстов или изображений, а мы в своем исследовании фокусируемся на другом — на хранении данных и возможности учитывать контекст. Ведь именно контекст часто становится ключом к пониманию и точному сравнению предложений (sentence similarity). Это особенно важно для узкоспециализированных областей, где одно слово может радикально изменить смысл. В докладе мы погрузимся в историю развития кодировки текстовых данных, обсудим сегодняшние SOTA (state-of-the-art) подходы и узнаем о признанных бенчмарках и кейсах применения. А также Александр расскажет нам о своей исследовательской теме в аспирантуре, где как раз изучает, как эффективнее использовать эти подходы для сохранения контекста и повышения точности анализа текстов.
Докладчик: Александр Тарасов
🗒 Автоматизация обновления толковых словарей с помощью больших языковых моделей
Как сохранить актуальность и доступность толковых словарей в условиях быстрого изменения языка? В своём докладе Тимур расскажет, как их команда использовали LLM для автоматизации генерации и упрощения определений в русском языке, исследовали различные источники и подходы, сравнивая методы генерации толкований. Полученные результаты показывают, что предложенный подход помогает повысить доступность информации и обеспечивает высокое качество определений, делая их язык понятнее для широкой аудитории.
Докладчик: Тимур Гарипов
🗒 От промтов к векторным представлениям: как современные подходы меняют хранение и понимание текста
Задумывались ли вы когда-нибудь, что векторные представления документов можно «промтить» при кодировке? Генеративные модели настолько прочно вошли в нашу повседневность, что почти любое текстовое взаимодействие теперь проходит через фильтр ChatGPT или подобных инструментов. Однако в основном эти модели применяются для генерации текстов или изображений, а мы в своем исследовании фокусируемся на другом — на хранении данных и возможности учитывать контекст. Ведь именно контекст часто становится ключом к пониманию и точному сравнению предложений (sentence similarity). Это особенно важно для узкоспециализированных областей, где одно слово может радикально изменить смысл. В докладе мы погрузимся в историю развития кодировки текстовых данных, обсудим сегодняшние SOTA (state-of-the-art) подходы и узнаем о признанных бенчмарках и кейсах применения. А также Александр расскажет нам о своей исследовательской теме в аспирантуре, где как раз изучает, как эффективнее использовать эти подходы для сохранения контекста и повышения точности анализа текстов.
Докладчик: Александр Тарасов
🗒 Автоматизация обновления толковых словарей с помощью больших языковых моделей
Как сохранить актуальность и доступность толковых словарей в условиях быстрого изменения языка? В своём докладе Тимур расскажет, как их команда использовали LLM для автоматизации генерации и упрощения определений в русском языке, исследовали различные источники и подходы, сравнивая методы генерации толкований. Полученные результаты показывают, что предложенный подход помогает повысить доступность информации и обеспечивает высокое качество определений, делая их язык понятнее для широкой аудитории.
Докладчик: Тимур Гарипов
🔥5👏3👍2
📌 Анонс семинара Лаборатории 18 ноября (16.20 в 4117):
🗒 Преобразование табличных данных для few-shot классификации с помощью LLM
Мы привыкли к тому, что нейросети на табличных данных уступают в точности классическим ML-моделям. Но что, если у нас нет достаточно большого датасета для обучения бустинга? На помощь приходят LLM, которые уже содержат знания о мире и специфических предметных областях, а значит их можно дообучать в режиме few-shot learning под конкретные табличные задачи. Последние исследования подтверждают эффективность этого метода. Но в каком виде передавать таблицу в модель? Этому будет посвящено исследование, план и задачи которого будут представлены в ходе доклада.
Докладчик: Шульгин Егор
🗒 GOT: Архитектура для высокопроизводительного оптического распознавания символов [разбор статьи]
Оптическое распознавание символов (OCR) — это широко используемая технология, которая извлекает символы с изображения в редактируемый формат. Традиционные системы OCR все чаще не могут удовлетворить потребности людей из-за растущего спроса на интеллектуальную обработку символов. В работе рассматривается общая теория OCR (OCR 2.0): понятие символа обобщается на большинство оптических сигналов (текст, формулы, ноты, диаграммы, таблицы и геометрические фигуры) и предлагается эффективная, относительно простая модель GOT, состоящая из кодировщика с высокой степенью сжатия и декодера длинных контекстов, которая может обрабатывать все вышеперечисленные «символы» в различных задачах OCR и выдавать простой или форматированный результат.
Докладчик: Иванков Павел
🗒 Генерация данных для пост-OCR-коррекции рукописного кириллического текста [разбор статьи]
Распознавание рукописного кириллического текста (HTR) является актуальной и непростой задачей из-за отсутствия больших, качественно аннотированных наборов данных об ошибках OCR. В данной работе авторы предлагают новый, основанный на генерации искусственных данных, подход к пост-коррекции результатов OCR. Для создания реалистичных образцов, которые затем используются для увеличения текстовых наборов данных, предлагается использовать генератор рукописного текста на основе кривых Безье. Уже на новом расширенном датасете обучается модель коррекции seq2seq, основанная на архитектуре T5. В ходе экспериментов на общедоступных датасетах HWR200 и School_notebooks_RU продемонстрирована эффективность предложенного метода, тем самым удалось повысить точность распознавания как отдельных символов, так и слов.
Докладчик: Мищенко Александр
🗒 Улучшение качества оптического распознавания исторических документов XIX века. Использование комбинированного подхода на основе машинного обучения [разбор статьи]
Статья предлагает улучшенный подход к распознаванию текста в исторических документах XIX века, сочетая традиционные методы OCR и современные нейронные сети. Цель исследования — минимизировать ошибки при распознавании старинных шрифтов и типографских особенностей. В статье разработан метод, который позволяет повысить точность распознавания и анализировать ошибки OCR, что способствует более эффективной обработке оцифрованных архивных данных.
Докладчик: Денисов Семен
🗒 Преобразование табличных данных для few-shot классификации с помощью LLM
Мы привыкли к тому, что нейросети на табличных данных уступают в точности классическим ML-моделям. Но что, если у нас нет достаточно большого датасета для обучения бустинга? На помощь приходят LLM, которые уже содержат знания о мире и специфических предметных областях, а значит их можно дообучать в режиме few-shot learning под конкретные табличные задачи. Последние исследования подтверждают эффективность этого метода. Но в каком виде передавать таблицу в модель? Этому будет посвящено исследование, план и задачи которого будут представлены в ходе доклада.
Докладчик: Шульгин Егор
🗒 GOT: Архитектура для высокопроизводительного оптического распознавания символов [разбор статьи]
Оптическое распознавание символов (OCR) — это широко используемая технология, которая извлекает символы с изображения в редактируемый формат. Традиционные системы OCR все чаще не могут удовлетворить потребности людей из-за растущего спроса на интеллектуальную обработку символов. В работе рассматривается общая теория OCR (OCR 2.0): понятие символа обобщается на большинство оптических сигналов (текст, формулы, ноты, диаграммы, таблицы и геометрические фигуры) и предлагается эффективная, относительно простая модель GOT, состоящая из кодировщика с высокой степенью сжатия и декодера длинных контекстов, которая может обрабатывать все вышеперечисленные «символы» в различных задачах OCR и выдавать простой или форматированный результат.
Докладчик: Иванков Павел
🗒 Генерация данных для пост-OCR-коррекции рукописного кириллического текста [разбор статьи]
Распознавание рукописного кириллического текста (HTR) является актуальной и непростой задачей из-за отсутствия больших, качественно аннотированных наборов данных об ошибках OCR. В данной работе авторы предлагают новый, основанный на генерации искусственных данных, подход к пост-коррекции результатов OCR. Для создания реалистичных образцов, которые затем используются для увеличения текстовых наборов данных, предлагается использовать генератор рукописного текста на основе кривых Безье. Уже на новом расширенном датасете обучается модель коррекции seq2seq, основанная на архитектуре T5. В ходе экспериментов на общедоступных датасетах HWR200 и School_notebooks_RU продемонстрирована эффективность предложенного метода, тем самым удалось повысить точность распознавания как отдельных символов, так и слов.
Докладчик: Мищенко Александр
🗒 Улучшение качества оптического распознавания исторических документов XIX века. Использование комбинированного подхода на основе машинного обучения [разбор статьи]
Статья предлагает улучшенный подход к распознаванию текста в исторических документах XIX века, сочетая традиционные методы OCR и современные нейронные сети. Цель исследования — минимизировать ошибки при распознавании старинных шрифтов и типографских особенностей. В статье разработан метод, который позволяет повысить точность распознавания и анализировать ошибки OCR, что способствует более эффективной обработке оцифрованных архивных данных.
Докладчик: Денисов Семен
👍5👏3🔥2
📌 Анонс семинара Лаборатории 25 ноября (16.20 в 5234):
🗒 Методы генеративного дизайна в проектировании
Генеративный дизайн — технология, в которой часть процессов при создании какого-либо продукта, будь то физический объект или цифровая модель, делегируется цифровым технологиям. Инструментов для генеративного дизайна существует множество, а способов их применения — ещë больше! В докладе будут обсуждаться различные подхожы к генеративному дизайну, их плюсы и минусы, а также способы применения. Особое же внимание будет уделено моделированию цифровых двойников физических объектов в CAD-системах и топологической оптимизации, с чем и связана работа докладчика.
Докладчик: Данил Тищенко
🗒 E-com assistant AIJ24
Доклад посвящён участию и победе Антона в соревновании AIJ в этом году по задаче E-com Assistant. Цель соревнования заключалась в создании рекомендательной диалоговой системы, которая выявляет требования пользователя к товару и предоставляет оптимальную подборку. Особый интерес в работе представляет оригинальный подход к созданию синтетического набора данных и обучению кросс-энкодера, оценивающего соответствие между характеристиками товара и запросом пользователя, сформулированным на естественном языке в ходе диалога.
Докладчик: Антон Легченко
🗒 Методы генеративного дизайна в проектировании
Генеративный дизайн — технология, в которой часть процессов при создании какого-либо продукта, будь то физический объект или цифровая модель, делегируется цифровым технологиям. Инструментов для генеративного дизайна существует множество, а способов их применения — ещë больше! В докладе будут обсуждаться различные подхожы к генеративному дизайну, их плюсы и минусы, а также способы применения. Особое же внимание будет уделено моделированию цифровых двойников физических объектов в CAD-системах и топологической оптимизации, с чем и связана работа докладчика.
Докладчик: Данил Тищенко
🗒 E-com assistant AIJ24
Доклад посвящён участию и победе Антона в соревновании AIJ в этом году по задаче E-com Assistant. Цель соревнования заключалась в создании рекомендательной диалоговой системы, которая выявляет требования пользователя к товару и предоставляет оптимальную подборку. Особый интерес в работе представляет оригинальный подход к созданию синтетического набора данных и обучению кросс-энкодера, оценивающего соответствие между характеристиками товара и запросом пользователя, сформулированным на естественном языке в ходе диалога.
Докладчик: Антон Легченко
👍3🔥3👏1
📌 Анонс семинара Лаборатории 2 декабря (16.20 в 4117):
🗒 Оценка эффективности применения лингвистических характеристик при оценке сложности текста [по материалам кандидатской диссертации]
Сложность текста — величина, не имеющая строгого определения, но весьма востребованная с прикладной точки зрения. Использовать для её измерения экспертов — долго и дорого, поэтому попытки автоматизировать вычисление возникли на самых ранних этапах развития вычислительной лингвистики. За прошедшие с тех пор 70 лет алгоритмы оценки значительно развились. Часто в качестве признакового описания в этих алгоритмах используются предвычисленные лингвистические характеристики, ассоциированные со сложностью текста. При этом из-за различий в датасетах и постановках задачи сравнивать полученные разными авторами результаты сложно. В частности, неясно, какие характеристики следует включать в признаковое описание вне зависимости от конкретного датасета. В своём докладе Дмитрий расскажет о разработке алгоритма для оценки эффективности использования различных групп лингвистических характеристик и его применении на материале русского языка.
Докладчик: Дмитрий Морозов
🗒 Иерархический подход в анализе text-to-img моделей
В настоящее время text2img модели для генерации изображений имеют большую популярность во всем мире и применяются в самых различных областях. Однако до конца не изучен вопрос понимания модели запросов (промтов). Часто даже самые лучшие на данный момент генеративные модели могут выдавать некорректные ответы и для нужного результата людям часто приходится конкретизировать промпт, что вызывает неудобства и трудности в эксплуатации моделей. Решением проблемы может стать иерархический подход в анализе и обучении генеративных моделей. Данный подход поможет более подробно изучить работу существующих text2img моделей и обучить их генерировать разнообразные и точные изображения для простых промптов. В данном докладе будут представлены результаты иерархического анализа существующих text2img моделей,таких как Шедеврум, Кадинский, DALLE-3, Stable Diffusion v21 и Midjourney. Более того будут продемонстрированы первые результаты иерархического обучения генерации изображений моделью Stable Diffusion v21.
Докладчик: Владислав Калини
🗒 Сегментация аневризмы брюшной аорты
Эндоваскулярное лечение аневризмы брюшной аорты — это безопасный метод, который заменяет сложные открытые операции. Успех зависит от формы и размеров аорты. Если анатомия сложная, могут быть осложнения: смещение устройства, утечки или тромбы. Чтобы этого избежать, врачи оценивают форму, угол и размеры аорты. Сегментация аневризмы поможет врачам точнее планировать лечение и выбирать наилучшие устройства для каждого пациента.
Докладчик: Роман Козырев
🗒 Оценка эффективности применения лингвистических характеристик при оценке сложности текста [по материалам кандидатской диссертации]
Сложность текста — величина, не имеющая строгого определения, но весьма востребованная с прикладной точки зрения. Использовать для её измерения экспертов — долго и дорого, поэтому попытки автоматизировать вычисление возникли на самых ранних этапах развития вычислительной лингвистики. За прошедшие с тех пор 70 лет алгоритмы оценки значительно развились. Часто в качестве признакового описания в этих алгоритмах используются предвычисленные лингвистические характеристики, ассоциированные со сложностью текста. При этом из-за различий в датасетах и постановках задачи сравнивать полученные разными авторами результаты сложно. В частности, неясно, какие характеристики следует включать в признаковое описание вне зависимости от конкретного датасета. В своём докладе Дмитрий расскажет о разработке алгоритма для оценки эффективности использования различных групп лингвистических характеристик и его применении на материале русского языка.
Докладчик: Дмитрий Морозов
🗒 Иерархический подход в анализе text-to-img моделей
В настоящее время text2img модели для генерации изображений имеют большую популярность во всем мире и применяются в самых различных областях. Однако до конца не изучен вопрос понимания модели запросов (промтов). Часто даже самые лучшие на данный момент генеративные модели могут выдавать некорректные ответы и для нужного результата людям часто приходится конкретизировать промпт, что вызывает неудобства и трудности в эксплуатации моделей. Решением проблемы может стать иерархический подход в анализе и обучении генеративных моделей. Данный подход поможет более подробно изучить работу существующих text2img моделей и обучить их генерировать разнообразные и точные изображения для простых промптов. В данном докладе будут представлены результаты иерархического анализа существующих text2img моделей,таких как Шедеврум, Кадинский, DALLE-3, Stable Diffusion v21 и Midjourney. Более того будут продемонстрированы первые результаты иерархического обучения генерации изображений моделью Stable Diffusion v21.
Докладчик: Владислав Калини
🗒 Сегментация аневризмы брюшной аорты
Эндоваскулярное лечение аневризмы брюшной аорты — это безопасный метод, который заменяет сложные открытые операции. Успех зависит от формы и размеров аорты. Если анатомия сложная, могут быть осложнения: смещение устройства, утечки или тромбы. Чтобы этого избежать, врачи оценивают форму, угол и размеры аорты. Сегментация аневризмы поможет врачам точнее планировать лечение и выбирать наилучшие устройства для каждого пациента.
Докладчик: Роман Козырев
👍6🔥2🆒1
📌 Анонс семинара Лаборатории 9 декабря (16.20 в 4117):
🗒 Компенсация оптических искажений на астрофотографиях
В докладе будут рассмотрены современные вычислительные методы обработки астроснимков планет, полученных в любительских условиях, где качество изображения ограничено атмосферными искажениями. На примере фотографий Юпитера будет продемонстрирован пайплайн, включающий автоматический отбор кадров по метрикам качества (таким как NIQE и BRISQUE), их последующее выравнивание, а также мультикадровую слепую деконволюцию для восстановления мелких деталей. Предложенный подход не требует дорогостоящего профессионального оборудования или адаптивной оптики и позволяет отказаться от ручного подбора параметров, обеспечивая более точное восстановление структуры изображения и снижение шума по сравнению с традиционными любительскими методами.
Докладчик: Константин Москаленко
🗒 Эффективные подходы к регуляризации в физически-информированных нейронных сетях
Физически-информированные нейронные сети (ФИНС) — это подход в машинном обучении, который позволяет интегрировать законы физики в архитектуру нейросетей. Это значительно улучшает качество моделирования нейросетями сложных физических процессов, таких как динамика жидкостей, теплопередача и другие задачи, связанные с дифференциальными уравнениями. При решении дифференциальных уравнений очень важно правильно согласовывать внутренние и граничные условия уравнения, в ФИНС для этого были придуманы различные методы регуляризации. В своем докладе Тимур расскажет что такое регуляризация в ФИНС, какие они бывают, какие существуют проблемы, а также на что будет направлено его исследование в рамках дипломной работы.
Докладчик: Тимур Еникеев
🗒 Учет времени пребывания в реологических моделях крови: действительно ли нам нужно неньютоновское моделирование кровотока в крупных артериях? [разбор статьи]
Вычислительная гидродинамика (CFD) является многообещающим инструментом, который предоставляет информацию о гемодинамике с высоким разрешением. Выбор реологии крови является предположением в моделях CFD и служит предметом обширных дебатов. В этом исследовании предлагается новая гибридная модель ньютоновской и неньютоновской реологии, в которой в областях с высоким временем пребывания активируется процесс разжижения при сдвиге, основанный на экспериментальных данных. Рассматриваются модели брюшной аорты и аневризмы головного мозга на основе изображений, и выполняется CFD-моделирование с высоким разрешением с использованием минимально диссипативного решателя.
Докладчица: Алена Козюрина
🗒 Компенсация оптических искажений на астрофотографиях
В докладе будут рассмотрены современные вычислительные методы обработки астроснимков планет, полученных в любительских условиях, где качество изображения ограничено атмосферными искажениями. На примере фотографий Юпитера будет продемонстрирован пайплайн, включающий автоматический отбор кадров по метрикам качества (таким как NIQE и BRISQUE), их последующее выравнивание, а также мультикадровую слепую деконволюцию для восстановления мелких деталей. Предложенный подход не требует дорогостоящего профессионального оборудования или адаптивной оптики и позволяет отказаться от ручного подбора параметров, обеспечивая более точное восстановление структуры изображения и снижение шума по сравнению с традиционными любительскими методами.
Докладчик: Константин Москаленко
🗒 Эффективные подходы к регуляризации в физически-информированных нейронных сетях
Физически-информированные нейронные сети (ФИНС) — это подход в машинном обучении, который позволяет интегрировать законы физики в архитектуру нейросетей. Это значительно улучшает качество моделирования нейросетями сложных физических процессов, таких как динамика жидкостей, теплопередача и другие задачи, связанные с дифференциальными уравнениями. При решении дифференциальных уравнений очень важно правильно согласовывать внутренние и граничные условия уравнения, в ФИНС для этого были придуманы различные методы регуляризации. В своем докладе Тимур расскажет что такое регуляризация в ФИНС, какие они бывают, какие существуют проблемы, а также на что будет направлено его исследование в рамках дипломной работы.
Докладчик: Тимур Еникеев
🗒 Учет времени пребывания в реологических моделях крови: действительно ли нам нужно неньютоновское моделирование кровотока в крупных артериях? [разбор статьи]
Вычислительная гидродинамика (CFD) является многообещающим инструментом, который предоставляет информацию о гемодинамике с высоким разрешением. Выбор реологии крови является предположением в моделях CFD и служит предметом обширных дебатов. В этом исследовании предлагается новая гибридная модель ньютоновской и неньютоновской реологии, в которой в областях с высоким временем пребывания активируется процесс разжижения при сдвиге, основанный на экспериментальных данных. Рассматриваются модели брюшной аорты и аневризмы головного мозга на основе изображений, и выполняется CFD-моделирование с высоким разрешением с использованием минимально диссипативного решателя.
Докладчица: Алена Козюрина
👍2👏2🤯2🔥1
📌 Анонс семинара Лаборатории 16 декабря (16.20 в 4117):
🗒 Диаризация по спикер-эмбеддингам
Задача диаризации состоит в разделении речевого аудиосигнала на сегменты в соответствии с принадлежностью фрагментов сигнала тому или иному говорящему. Методы и алгоритмы диаризации широко используются на практике при протоколировании онлайн-обсуждений, в устройствах «умного» дома и как подготовительный шаг для идентификации спикера. В своем докладе Данил представит обзор существующих алгоритмов диаризации и общие проблемы, влияющие на качество работы алгоритмов для решения этой задачи. Также в докладе будут предложены идеи по реализации метода разделения спикеров на основе системы распознавания речи.
Докладчик: Гребенкин Данил
🗒 Байесовские нейронные сети
Байесовские нейронные сети (БНС) являются мощным инструментом для моделирования неопределенности принятия решений на основе вероятностных предположений. В отличие от классических нейронных сетей, которые оперируют только с точечными оценками, БНС моделируют распределения параметров, что позволяет учитывать различные возможности исходов, а также степень уверенности в предсказаниях модели. Это помогает снизить риски при принятии решений. В данном докладе будут рассмотрены элементы теории БНС, такие как, например, вариационный байесовский вывод и локальная репараметризация при обучении БНС.
Докладчик: Яшунин Кирилл
🗒 Влияние Invariant Risk Minimization на распределение весов нейронной сети в сравнении с Empirical Risk Minimization
В своем докладе Мирон расскажет о метод минимизации инвариантного риска (Invariant Risk Minimization, IRM) как альтернативу традиционному подходу минимизации эмпирического риска (Empirical Risk Minimization, ERM). IRM направлен на выявление инвариантных признаков, которые остаются стабильными при различных условиях, что позволяет моделям лучше обобщать данные и справляться с изменчивыми средами. В отличие от ERM, который ориентирован на минимизацию ошибки на обучающем наборе данных, IRM акцентирует внимание на том, как обеспечить устойчивость к изменениям в данных, стремясь находить решения, не зависящие от факторов, влияющих на конкретные условия. В ходе исследования Мирон провел экспериментальный анализ воздействия IRM на распределение весов нейронной сети в зависимости от представленных сред. Будет приведен сравнительные результаты применения IRM и ERM, как каждая методика влияет на обучение и адаптацию модели к различным средам. Полученные результаты показали, что IRM не только способствует улучшению обобщающей способности моделей, но и формирует более устойчивое распределение весов, обеспечивая меньшую чувствительность к шумовым факторам.
Докладчик: Братенков Мирон
🗒 Диаризация по спикер-эмбеддингам
Задача диаризации состоит в разделении речевого аудиосигнала на сегменты в соответствии с принадлежностью фрагментов сигнала тому или иному говорящему. Методы и алгоритмы диаризации широко используются на практике при протоколировании онлайн-обсуждений, в устройствах «умного» дома и как подготовительный шаг для идентификации спикера. В своем докладе Данил представит обзор существующих алгоритмов диаризации и общие проблемы, влияющие на качество работы алгоритмов для решения этой задачи. Также в докладе будут предложены идеи по реализации метода разделения спикеров на основе системы распознавания речи.
Докладчик: Гребенкин Данил
🗒 Байесовские нейронные сети
Байесовские нейронные сети (БНС) являются мощным инструментом для моделирования неопределенности принятия решений на основе вероятностных предположений. В отличие от классических нейронных сетей, которые оперируют только с точечными оценками, БНС моделируют распределения параметров, что позволяет учитывать различные возможности исходов, а также степень уверенности в предсказаниях модели. Это помогает снизить риски при принятии решений. В данном докладе будут рассмотрены элементы теории БНС, такие как, например, вариационный байесовский вывод и локальная репараметризация при обучении БНС.
Докладчик: Яшунин Кирилл
🗒 Влияние Invariant Risk Minimization на распределение весов нейронной сети в сравнении с Empirical Risk Minimization
В своем докладе Мирон расскажет о метод минимизации инвариантного риска (Invariant Risk Minimization, IRM) как альтернативу традиционному подходу минимизации эмпирического риска (Empirical Risk Minimization, ERM). IRM направлен на выявление инвариантных признаков, которые остаются стабильными при различных условиях, что позволяет моделям лучше обобщать данные и справляться с изменчивыми средами. В отличие от ERM, который ориентирован на минимизацию ошибки на обучающем наборе данных, IRM акцентирует внимание на том, как обеспечить устойчивость к изменениям в данных, стремясь находить решения, не зависящие от факторов, влияющих на конкретные условия. В ходе исследования Мирон провел экспериментальный анализ воздействия IRM на распределение весов нейронной сети в зависимости от представленных сред. Будет приведен сравнительные результаты применения IRM и ERM, как каждая методика влияет на обучение и адаптацию модели к различным средам. Полученные результаты показали, что IRM не только способствует улучшению обобщающей способности моделей, но и формирует более устойчивое распределение весов, обеспечивая меньшую чувствительность к шумовым факторам.
Докладчик: Братенков Мирон
🤓4🔥3⚡2👍1
📌 Анонс семинара Лаборатории 23 декабря (16.20 в 4117):
🗒 Обзор применения ML в промышленности
Чаще всего, когда речь заходит о машинном обучении, говорят о языковых помощниках, автономных транспортных средствах, генерации изображений и быстром переводе. Однако машинное обучение позволяет решать гораздо более широкий круг задач. В докладе обсудим, очень обзорно, как современные технологии машинного обучения начали применяться в промышленности. Рассмотрим основные тренды, типологию задач и стандартный арсенал алгоритмов, обсудим драйверы и проблемы применения машинного обучения в отрасли.
Докладчик: Чигишев Александр
🗒 Обзор применения ML в промышленности
Чаще всего, когда речь заходит о машинном обучении, говорят о языковых помощниках, автономных транспортных средствах, генерации изображений и быстром переводе. Однако машинное обучение позволяет решать гораздо более широкий круг задач. В докладе обсудим, очень обзорно, как современные технологии машинного обучения начали применяться в промышленности. Рассмотрим основные тренды, типологию задач и стандартный арсенал алгоритмов, обсудим драйверы и проблемы применения машинного обучения в отрасли.
Докладчик: Чигишев Александр
✍4🤩2💘2
Уважаемые коллеги и друзья!
С радостью сообщаем, что уже в этот четверг начинает работу семинар лаборатории ПЦТ. В новом семестре формат мероприятия претерпел некоторые изменения: в частности, чтобы обеспечить более продуктивную и интерактивную среду для общения, организаторы приняли решение сократить общее количество мест. В связи с этим, в первую очередь на семинар приглашаются студенты лаборатории ПЦТ и участники проектов, непосредственно связанных с её деятельностью.
Ближайший семинар состоится 13 февраля, в 16.20, ауд. 5239.
С радостью сообщаем, что уже в этот четверг начинает работу семинар лаборатории ПЦТ. В новом семестре формат мероприятия претерпел некоторые изменения: в частности, чтобы обеспечить более продуктивную и интерактивную среду для общения, организаторы приняли решение сократить общее количество мест. В связи с этим, в первую очередь на семинар приглашаются студенты лаборатории ПЦТ и участники проектов, непосредственно связанных с её деятельностью.
Ближайший семинар состоится 13 февраля, в 16.20, ауд. 5239.
👀6👌5🔥3👍1
📌 Анонс семинара Лаборатории 20 февраля (16.20 в 5239):
🗒 Применение ML при верификации личности. Как определить что перед тобой человек?
На сегодняшний день существует множество онлайн-сервисов, которые требуют прохождения верификации личности (KYC) для доступа к ним. Пользовательские фотографии в таком случае подходят через ряд проверок — от простого позиционирования головы в кадре до детекции фотошопа. В докладе будет рассмотрен пайплайн таких проверок и то, с какими проблемами со стороны обучения и инференса моделей приходится сталкиваться.
Докладчик: Михаил Тютюльников
🗒 Применение ML при верификации личности. Как определить что перед тобой человек?
На сегодняшний день существует множество онлайн-сервисов, которые требуют прохождения верификации личности (KYC) для доступа к ним. Пользовательские фотографии в таком случае подходят через ряд проверок — от простого позиционирования головы в кадре до детекции фотошопа. В докладе будет рассмотрен пайплайн таких проверок и то, с какими проблемами со стороны обучения и инференса моделей приходится сталкиваться.
Докладчик: Михаил Тютюльников
🍾6🔥3❤2😍1
Проблемы, с которыми сталкивается нефтяная промышленность, обусловлены множеством факторов, поскольку эта отрасль характеризуется высокой степенью неопределенности и технологической сложности. Геологические условия, в которых находятся углеводородные ресурсы, могут быть крайне сложными и разнообразными. Отсутствие точной информации о структуре пласта и его свойствах затрудняет процесс добычи и повышает риски. В связи с этим машинное обучение становится все более популярным в нефтяной индустрии. В докладе рассмотрим основные направления применения методов машинного обучения, такие как анализ геологических данных и интерпретация сейсмических исследований, прогнозирование суточной добычи нефти, расчет давления в скважине и определение оптимального состава буровых жидкостей. На примере глушения нефтяных скважин в сложных геолого-физических условиях продемонстрируем, почему машинное обучение зачастую оказывается более эффективным, чем физико-математическое моделирование.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3⚡2🍾2😱1👀1
В докладе ответим на вопрос, почему вибродиагностика является одним из важнейших методов мониторинга и оценки состояния машин и оборудования. Рассмотрим главные задачи вибродиагностики, такие как выявление неисправностей, мониторинг состояния, прогнозирование отказов и оценка эффективности работы оборудования. Также обсудим основные сложности, возникающие при анализе вибрационных сигналов, включая интерпретацию больших объемов данных от датчиков, проблемы с качеством сигналов и недостаточную точность традиционных методов. Покажем, как современные нейросетевые технологии находят применение в вибродиагностике и насколько они успешны в этой области. В заключении расскажем о том, как мы разрабатываем уникальный метод диагностики вращающегося оборудования, сочетая классические подходы и методы машинного обучения.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5🍓5🐳2🆒2❤1🙏1
В условиях стремительного роста числа научных публикаций актуальной задачей становится разработка эффективных инструментов для их систематизации и поиска. Одним из таких инструментов является универсальная десятичная классификация (УДК), которая позволяет структурировать статьи по тематическим областям. Однако ручное присвоение кодов УДК зачастую оказывается неточным или недостаточно детализированным, что снижает эффективность использования этого подхода.
В данной работе предлагается подход к автоматическому присвоению кодов УДК научным статьям с использованием моделей на основе архитектуры BERT. Проведены эксперименты на наборе данных, содержащем более 19 тысяч статей по математике и физике. Разработаны метрики качества, учитывающие иерархическую природу классов, а также методы преобразование иерархических классов в плоские. Дополнительно проведено слепое тестирование с участием экспертов, которое выявило, что часть базы была размечена с ошибками.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5💋4💯2
Стремительный рост числа ежегодно публикуемых научных статей создает значительную нагрузку на редакторов научных журналов и организаторов конференций. В частности, затрудняется быстрый отбор соответствующих рецензентов. Автоматизации этого процесса препятствует отсутствие общедоступной информации о рецензентах уже опубликованных статей в соответствии с требованиями двойного слепого рецензирования. В нашей работе мы стремились сделать первые шаги к разработке системы рекомендаций рецензентов. Исследование проводилось на базе, состоящей из научных статей по математике на русском и английском языках. В основе нашего подхода лежит сравнение семантики целевой статьи с семантикой статей, доступных во внешней библиотеке, с помощью BERT-подобных моделей. Затем наиболее похожие статьи из библиотеки объединяются по авторам, в результате чего получается список потенциальных рецензентов. Проведены эксперименты с переранжированием наиболее релевантных кандидатов при помощи LLM, которые дали неоднозначные результаты. Для оценки качества мы ввели метрики, основанные на системе УДК. В то же время оценки экспертов были преимущественно положительными: большинство рекомендаций системы были оценены от 4 до 5 по пятибальной шкале.
Как сохранить актуальность и доступность толковых словарей в условиях быстрого изменения языка? В докладе будет рассказано как команда использовала LLM для автоматизации генерации и упрощения определений в русском языке, исследовала различные источники и подходы, сравнивая методы генерации толкований. Полученные результаты показывают, что предложенный подход помогает повысить доступность информации и обеспечивает высокое качество определений, делая их язык понятнее для широкой аудитории.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2💋2🆒2👀1
машинного анализа медицинских изображений и вычислительной гидродинамики
Эндоваскулярный метод в настоящее время является наиболее безопасным подходом к лечению аневризмы брюшной аорты. Для проведения такого лечения необходимо корректно оценивать зональные характеристики аневризмы, а также неблагоприятные факторы, способствующие развитию послеоперационных осложнений. Поэтому в докладе обсудим вопросы, связанные с оценкой морфологии аневризмы и послеоперационных рисков, в том числе методы машинного обучения, которые применяются для анализа морфологии аневризмы аорты, рассмотрим, какие параметры необходимо рассчитывать при предоперационной подготовке, и как на основе геометрических и гемодинамических параметров можно предсказывать послеоперационные осложнения.
Please open Telegram to view this post
VIEW IN TELEGRAM
🍾3🔥2🤯2😎2💊1