Семінари за 23.9.2020
Київський семінар з функціонального аналізу
Керівники: Кочубей А.Н., Самойленко Ю.С.
Місце проведення: Інститут математики НАН України
Кімната: IM/2-208
Дата: Ср, 23 вересня 2020
Час: 14:09
Доповідач: Ірина Денега (Інститут математики НАН України)
Тема: Квадратичні диференціали та симетризаційні методи в задачах про екстремальне розбиття комплексної площини

Семінар лабораторії топології Інституту математики НАН України
Керівники: С. І. Максименко
Місце проведення: Інститут математики НАН України
Кімната:
Дата: Ср, 23 вересня 2020
Час: 16:09
Доповідач: Volodymyr Lyubashenko
Тема: Шарування на поверхнях і категорії Фукая: квадратичні диференціали
Анотація:

arXiv:1409.8611 ; DOI:10.1007/s10240-017-0095-y ; Strebel, Quadratic differentials, 1984


Семінар Центру дослідження даних КАУ
Керівники: Кафедра математики КАУ. <a href="https://sites.google.com/view/data-analysis/home">Cайт семінару</a>
Місце проведення: Інститут математики НАН України
Кімната: IM/2-208
Дата: Ср, 23 вересня 2020
Час: 17:09
Доповідач: Олександр Кравченко, Поліна Мерзлікіна
Тема: 1. Використання методів нелінійного зменшення розмірності на основі дифузійних карт для задачі класифікації даних./ 2. Дифузійне згладження даних
Анотація:

1. Однією з проблем у галузі машинного навчання є використання глибонного навчання на невеликих наборах даних, які не можна доповнити. Для таких наборів даних раціональніше використовувати стандартні алгоритми машинного навчання, але ми стикаємось ще з однією проблемою - малою точністю класифікацій для даних великої розмірності, таких як зображення, аудіозаписи, тощо. Щоб уникнути цієї проблеми зазвичай використовують лінійні алгоритми зменшення розмірності, проте вони не підходять для даних, змінні яких не лежать у напрямках найбільшої дисперсії. Для таких даних доцільніше використовувати нелінійни алгоритми зменшення розмірності.

 

2. Доповідь ознайомить слухачів із поняттям дифузійних координат та їх прикладним використання при згладженні даних (на прикладі 3D об'єктів).
Дифузiйнi вiдображення - це один з нелiнiйних методiв зниження розмiрностi який використовує в якостi мiри подiбностi довжину шляху пройденого
випадковим процесом на неорiєнтованому графi, який побудований на основi вхiдних даних. Якщо про дані можна припустити, що вони описуються многовидом, метод дозволяє перейти до нового базису простору, що уможливлює зменшення існуючих в них осциляцій.
Це є суттєво важливим, зокрема, для медичних даних.


Спільний семінар кафедри математичного аналізу та диференціальних рівнянь та Міждисциплінарного науково-дослідного центру складних систем
Керівники: Кондратьєв Ю.Г., Торбін Г.М.
Місце проведення: Національний педагогічний університет імені М. П. Драгоманова, вул. Пирогова, 9
Кімната: 448
Дата: Ср, 23 вересня 2020
Час: 17:09
Доповідач: Юрій Кондратьєв
Тема: Філософія натуральних чисел

Календар

1 4 8 9 10 11 13 14 15 16 17 21 23 25 28 30