Теоретический семинар (весна 2013)

В докладе будет описана технология изображающей масс-спектрометрии
(ИМС), поставлены задачи поиска характерных изображений и сегментации
ИМС-данных, а также предложены методы решения на основе тематических
моделей, марковских сетей и кластеризации.

Будет рассмотрено доказательство нижней оценки на схемную сложность функции ALLEQ, анализ структуры оптимальной схемы для этой функции и доказательство нижней оценки на схемную сложность функции SubsetALLEQ.

В первой части доклада будут рассмотрены раннее существовавшие рейтинговые системы,
будет рассмотрена система TrueSkill(TM) и представлено выполненное нами улучшение этой
системы. Также будет представлена утилита для выполнения Байесовского вывода на
фактор-графах с помощью алгоритма распространения ожидания. Будут представлены
экспериментальные результаты скорости работы в зависимости от количества использованных
ядер процессора.

В докладе будут перечислены основные результаты Э.И. Нечипорука по контактно-вентильным схемам.

В докладе будут рассмотрена задача ранжирования и современные ML-методы её решения , основанные на градиентном спуске - RankNet и его расширение, LambdaRank.

В данном докладе будет определен метод коллаборативной фильтрации
для построения прогнозов в рекомендательных системах на основе
известных предпочтений пользователей. Будет дана бейесовская формулировка
модели SVD. Затем будет рассмотрена модель Matchbox [Stern, Herbrich, Graepel 2011]
и алгоритм для вывода в этих моделях.

В докладе будут рассмотрены графические модели и их частный случай -- Gaussian Mixture Model (GMM).
Будет рассмотрен алгоритм обучения, а также пример применения GMM к данным
изображающей масс-спектрометрии.

В докладе будет показан алгоритм для выполнимости булевых формул на основе полного двоичного базиса. Для формул размера не более cn, алгоритм работает за время 2^(1-с_0)n для некоторой константы c_0.

Страницы