Пленарные доклады и лекции

ИТиС >> ИТиС-2010 >> Пленарные доклады и лекции

Анонс пленарных докладов и лекций:

академик РАН Ю.Д. Апресян	Теоретическая лингвистика и практическая лексикография
В докладе на общедоступном языковом материале рассматриваются четыре теоретических принципа, которые, по мнению автора, должны быть положены в основу практической лексикографической работы: а) установка на реконструкцию языковой картины мира; б) интегральность (согласованность грамматического и лексикографического описаний языка); в) установка на обнаружение системных явлений в области лексики (лексикографических типов); г) активность (сообщаемой лингвистической информации должно быть достаточно не только для понимания слова в произвольном контексте, но и для его правильного употребления в собственной речи говорящих). Делается вывод, что словарь, составленный в соответствии с этими принципами, может выполнять три полезные функции: 1) быть компонентом полного лингвистического описания, моделирующего языковую компетенцию говорящих, т.е. феномен владения языком; 2) быть справочным пособием для активного изучения лексики; 3) служить, в режиме обратной связи, эмпирическим материалом для коррекции исходной лингвистической теории.

член-корр. РАН А.П. Кулешов	Метамоделирование и интеллектуальный анализ данных
Предсказательное моделирование, основанное на численном решении сложных дифференциальных уравнений с граничными условиями, описывающих физические феномены, происходящие с исследуемым объектом в различных условиях, часто является достаточно трудоемким и не позволяет проводить массовые вычислительные эксперименты для анализа и оптимизации объекта. В последние годы появилось новое направление в моделировании, в котором по данным - результатам экспериментов с некоторой исходной моделью - строится новая модель, имеющая ту же структуру входных и выходных данных, обеспечивающая близость результатов обеих моделей для одних и тех же значений входных данных, но обладающая существенно более высоким быстродействием. В этом случае новая модель может заменить исходную модель, и поэтому называется суррогатной моделью или метамоделью (моделью над моделью). Метамодели строятся по данным, поэтому многие проблемы, которые необходимо для этого решать, формулируются в терминах анализа данных. Однако в процессе построения и использования метамоделей необходимо взаимосвязано решать различные задачи анализа данных - такие как определение внутренней размерности множества данных, построение процедур снижения размерности, построение многомерных аппроксимирующих зависимостей, кластеризация и классификация данных и др. При этом выходные данные одной задачи являются входными данными для другой задачи, и целевые функции для частных задач нельзя определить независимо. Существенной особенностью решаемых задач является также тот факт, что многомерные данные лежат, как правило, вблизи нелинейных многообразий существенно меньшей размерности (по сравнению с размерностью исходных данных). Сами постановки возникающих задач анализа данных, как правило, имеют нетрадиционные постановки, обобщающие классические постановки аналогичных математических задач, что требует разработки новых или усовершенствовании существующих методов анализа данных.

д.ф.-м.н Г.А. Кабатянский	Детерминированные и рандомизированные алгоритмы – несколько примеров
Если понятие алгоритма большинству людей, использующих современную математику, знакомо (на том или ином уровне строгости), то рандомизированные (вероятностные) алгоритмы чаще всего ассоциируются лишь с методом Монте-Карло. Я начну с примеров алгоритмов, различающих гипотезы, где наиболее популярными и интересными являются алгоритмы проверки гипотезы о простоте целого числа. Затем будет рассмотрена задача о нахождении наилучших линейных приближений для произвольной булевой функции от m переменных. Лучший известный детерминированный алгоритм - это алгоритм быстрого преобразования Фурье-Адамара и он имеет сложность порядка m log m. А вот рандомизированный алгоритм (Левина-Голдрайха) решает эту задачу со сложностью порядка многочлен(log m). Но, конечно, «бесплатного сыра» здесь тоже нет, и за такую малую сложность приходится платить появлением вероятности ошибки алгоритма и зависимостью его сложности от «радиуса» приближения. Будет также обсуждена задача о поиске приближений произвольной булевой функции многочленами степени не выше заданной.

д.ф.-м.н А.М. Райгородский	Теоретико-графовые методы анализа данных в интернете
Часть 1. Веб-графы и их моделирование. Будет рассказано о различных теоретико-графовых интерпретациях веба. Будут представлены эмпирические характеристики веб-графа (предпочтительное присоединение, малый диаметр, распределение степеней вершин и т.д.). Будет описано несколько моделей случайного веб-графа, которые хорошо коррелируют с эмпирическими наблюдениями. Часть 2. Отыскание «неестественных» структур в веб-графах. Прежде всего речь пойдет о так называемых «ссылочных кольцах» и алгоритмах их отыскания в веб-графе. Также будет рассказано о статистических методах разделения естественных и неестественных структур. В том числе эти методы будут основаны на построенных в части 1 моделях и их вероятностных характеристиках.

д.ф.-м.н Н.Д. Введенская	Очереди в системах со многими серверами
Рассмотрим систему со многими серверами - обслуживающими устройствами, на которую поступает поток требований, серверы должны обслужить эти требования. Пример такой системы - супермаркет, где много касс и покупатели выстраиваются в очереди к ним. Как организовать работу, чтобы очереди были поменьше? Эта задача - пример задачи из теории сетей обслуживания, сетей связи - раздела теории вероятностей. Мы опишем несколько математических моделей таких сетей, обладающих несколько неожиданными свойствами.

д.б.н. проф. М.С. Гельфанд	Ко-эволюция взаимодействующих белков и ДНК
Белки, взаимодействующие с ДНК, часто образуют большие семейства. При этом разные члены таких семейств могут узнавать различные участки ДНК. Таким образом, возникают две задачи. Первая - о структурном коде белок-ДНКового узнавания и об оптимальном языке для описания этого кода. (Ясно, что такой код имеет смысл рассматривать только в пределах одного структурного семейства белков.) Вторая - о том, как могут происходить согласованные изменения аминокислот в ДНК-связывающих участках белка и нуклеотидов в узнаваемых сайтах в ДНК в ходе эволюции. В то время как сравнительно-геномные исследования дают богатый материал для дальнейшего анализа, обе эти задачи далеки от решения.

д.б.н. проф. А.А. Миронов	Роль РНК в регуляции на уровне хроматина
Будут представлены некоторые примеры регуляции структуры хроматина с помощью некодирующих РНК. В начале будут описаны основные действующие лица - хроматин, гистоны, модификации гистонов а также будет дан краткий обзор типов некодирующих РНК. Далее будут описаны некоторые частные системы. В частности будет описана система XIST, генный импринтинг некоторых генов человека, роль РНК в регуляции сплайсинга через структуру хроматина. Эта область в настоящее время активно развивается, тем не менее в ней множество интригующих вопросв. Практически каждая работа в этой области заканчивается словами, что есть эффект, но как это работает не понятно. Обзор основан на анализе работ 2009-2010 годов.

д.б.н. Ю.В. Панчин	Клеточные основы поведения
Мозг состоит из нервных клеток-нейронов. Свойства нейронов и связи между ними определяют поведение человека и животных. Свойства нервных клеток и нейронных контактов обладают большим разнообразием. Нейроны могут генерировать импульсы разной длительности, платовые потенциалы, медленные ритмы или быть молчащими. Связи между клетками бывают химическими и электрическими по механизму и возбуждающими, тормозящими или модулирующими по своему действию. В разных нейронных сетях используются особые типы клеток настроенные на выполнение конкретной задачи. На примере простых нервных сетей будет рассмотрено как свойства и связи отдельных нейронов определяют некоторые формы поведения. Моделируя работу нервной системы, важно сознавать, какими разнообразными механизмами она обеспечивается в живом мозге.

к.б.н. В.А. Бастаков	Сенсорные механизмы пространственной ориентации.
В лекции будут представлены результаты исследований физиологических механизмов пространственной ориентации человека и животных, реализованных на разных уровнях переработки зрительной информации. Адекватное поведение человека и животных строится на реальной информации об окружающем пространстве – на реальной информации о постоянно меняющейся и часто агрессивной внешней среде. Вместе с тем, реальная геометрия зрительной сцены и практически все параметры движущихся и неподвижных объектов (размер, форма, освещенность, цвет и т.д.) в значительной степени зависят от постоянно меняющихся условий внешней среды, а форма внешних объектов еще зависит от угла наблюдения (или взора). С учетом того, что глаза большинства животных движутся, а сами животные постоянно находятся в движении, следует признать, что сетчатка передает в мозг практически всегда искаженную информацию о внешнем окружении. Таким образом, взаимодействие зрительного анализатора с внешней средой практически всегда контекстно зависимо и требует тонкой увязки процессов переработки информации не только в рамках одной зрительной модальности, но интеграции с другими сенсорными системами и с системой проприорецепторов. Важной стороной решения вопросов ориентации в пространстве является сравнительный анализ решения схожих задач восприятия у человека и животных, стоящих на разных уровнях исторического развития. Задачи адекватной интерпретации параметров окружающей среды важны для всех животных, ведущих активный образ жизни, и эти процессы могли влиять на эволюцию нервной системы. Имеются в виду нейрофизиологические механизмы, которые развивались и закреплялись в результате успеха (выживания) тех организмов, которые правильно интерпретировали неоднозначное зрительное окружение. Актуальность этого тезиса подтверждается следующими примерами: задача константности цветовосприятия (распознавание цвета окрашенных поверхностей независимо от спектрального состава внешнего освещения) решалась в процессе эволюции, по крайней мере, трижды разными способами - у стоматопод, у рыб и человека и у птиц. С другой стороны, алгоритм оценки дистанций у человека, амфибий и некоторых беспозвоночных во многом схож.

© Федеральное государственное бюджетное учреждение науки
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук, 2025
Об институте | Контакты | Противодействие коррупции