Prezentacja skupia się na zagadnieniach związanych z modyfikowaniem architektury oraz procesu treningu algorytmów neuronowych w sposób pozwalający na zwiększenie ich
efektywności w odniesieniu do wykonywanego zadania. Głównym celem prezentacji jest wskazanie na korzyści płynących z ingerowania w działanie czarnej skrzynki sieci neuronowej
i zachęcenie do eksperymentowania z algorytmami neuronowymi w prowadzonych pracach badawczych.
Zaprezentowane zostaną wyniki realizacji projektu pt. „Porównawcza analiza podejść analitycznych, numerycznych i symulacyjnych charakterystyk czasowych długości pierwszego przepełnienia bufora w modelu $M^X/G/1/N$ z Multiple Vacation” nr IITIS/BW/01/25 realizowanego w ramach Funduszu Badań Własnych IITiS PAN.
dr. Emery Doucet (University of Maryland, Baltimore County, USA)
Data:
19/11/2024 - 12:00
Abstrakt:
Many of the differences between the quantum and classical worlds are most visible when studying measurements. For example, classical measurements are repeatable and their outcomes are objective, whereas only measurements of quantum systems which exhibit quantum Darwinism have these properties and so support the emergence of classicality. Another difference is that the outcomes of sets of classical measurements can always be described with joint probability distributions, whereas sets of quantum measurements may require quasiprobabilities.
Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.
Sygnały instrumentalne uzyskane dla złożonych próbek posiadają duży zasób informacji. W efekcie, bardzo kłopotliwe staje się analizowanie złożonych danych eksperymentalnych bez użycia technik statystycznej analizy wielowymiarowej takich jak metoda głównych składowych (z ang. Principal Component Analysis, PCA). W standardowych zastosowaniach metoda PCA jest używana do kompresji danych poprzez porządkowanie informacji wg. malejącej wariancji, modelowania i wizualizacji struktury danych, określania ilości chemicznie/fizycznie interpretowalnych składowych, redukcji poziomu szumów w danych.
Zapraszamy na warsztaty szkoleniowe dla młodych pracowników naukowych na temat efektywnych metod przygotowywania i składania artykułów do publikacji w czasopismach o wysokiej punktacji. Warsztaty poprowadzi prof. Mirosław Skibniewski. Podczas warsztatów zostaną omówione następujące zagadnienia:
Analiza szeregów czasowych jest ważną dziedziną inżynierii danych. W ramach seminarium przedstawiamy metodę statystyczną przeznaczoną do analizy szeregów czasowych, przy założeniu, że szeregi te naśladują jakąś postać złożonego układu fizycznego. W metodzie wykorzystuje się wykres rekurencyjny i wykładnik Hursta. Dotychczas metoda ta była wykorzystywana do danych związanych z dynamiką molekularną i obserwacjami klimatu (temperatury). Dlatego nasza metoda porusza bardzo ważny problem zmian klimatycznych.
Przewidywanie interakcji między lekami a celami farmakologicznymi (białkami) jest jednym z najbardziej znanych zastosowań uczenia maszynowego w przemyśle farmaceutycznym. Z teoretycznego punktu widzenia zadaniem jest przewidywanie nieznanych powiązań (links) w grafie dwudzielnym (bipartite graph). W porównaniu ze standardową predykcją powiązań, w przypadku predykcji interakcji lek-cel, dodatkowo dostępne są informacje takie jak podobieństwo między parami leków lub parami białek.
Matyas Koniorczyk, Wigner Research Centre for Physics
Data:
06/02/2023 - 11:00
Abstrakt:
W ramach wystąpienia krótko podsumowany zostanie stan techniki optymalizacji z wykorzystaniem QUBO (ang. Quadratic Unconstrained Binary Optimization). Podsumowanie zawierać będzie przegląd najważniejszych wyników badań operacji klasycznych, najnowsze osiągnięcia rozwoju solwerów klasycznych. Przedstawione zostanie również subiektywne spojrzenie na linię kwantową, ze szczególnym uwzględnieniem komputerów firmy DWave.
