Аспирантский семинар

Мероприятие завершено

Место: Факультет компьютерных наук, Кочновский проезд, д. 3, ауд. 205
Время: 6 октября, 18:10 – 19:30 

Доклады состоятся в рамках научно-исследовательского семинара аспирантской школы по компьютерным наукам.

Первый доклад

Тема:  Использование ERP систем в финансовых организациях
Докладчик: Татьяна Ягант, аспирантка первого года обучения, школа бизнес-информатики факультета бизнеса и менеджмента

В настоящее время используемые в кредитных организация автоматизированные банковские системы не могут решить всех стоящих перед организацией задач. Поэтому для целей бухгалтерского и управленческого учета кредитные организации вынуждены использовать стандартные ERP-системы . В докладе проведен анализ основных систем для автоматизации банка. Предложена модель IT-структуры банка на базе ERP-системы MSDynamicsAX. Также рассмотрена задача трансляции бухгалтерских проводок из ERP-системы в АБС и наоборот. Кроме того, рассматривается структура единого регистра банковских продуктов, необходимых справочников и демонстрируется пример их программной реализации в системе MSDynamicsAX.

Второй доклад

Тема:  Организация совместной эволюции онтологии и предметно-ориентированного языка с использованием методов графовых трансформаций
Докладчик:  Борис Улитин, аспирант первого года обучения, кафедра информационных систем и технологий факультета информатики, математики и компьютерных наук (Нижний Новгород)

В докладе рассматривается проблема организации согласованных изменений в модели предметной области и синтаксисе предметно-ориентированного языка (ПОЯ), созданном для решения какой-либо практической задачи в рамках данной области. Демонстрируется подход, позволяющий осуществлять такого рода совместную эволюцию. В основе предлагаемого решения лежат графовые представления онтологии, используемой в качестве модели предметной области, и ПОЯ, а также набор правил, сформулированных в терминах автоматизированного языка преобразования графов. Применимость рассматриваемого подхода демонстрируется на примере организации совместной эволюции онтологии и ПОЯ в области распределения ресурсов ж/д станции. 

Третий доклад

Тема: Математические методы взаимодействия интересов стран в Арктическом регионе
Докладчик:  Сергей Швыдун, аспирант первого года обучения, департамент математики факультета экономических наук

Арктический регион является одним из самых чувствительных и уязвимых регионов к климатическим изменениям. Сильное и резкое таяние льдов в регионе влечёт за собой негативные последствия, но также создаёт новые возможности для освоения Арктического региона. Во-первых, процесс таяния льдов открывает доступ к ранее неразработанным природным ресурсам, таким как нефтепродукты и газ. Во-вторых, открываются новые возможности для торговых путей через Арктическую зону, которые зачастую являются экономически целесообразными. Данные преимущества уже привлекли многие страны, как Арктические, так и за пределами Арктической зоны, вследствие чего, несомненно, возникает пересечение интересов в данном регионе. В данной работе предлагаются математические модели разрешения конфликтов в Арктическом регионе. Мы предложили подход, который оценивает уровень интереса по каждой части региона в зависимости от находящихся там ресурсов – нефти, газа, рыбы и морских путей. Разработано несколько моделей распределения зон для разрешения конфликта интересов во всём регионе. Применено несколько сценариев распределения зон, оценена их эффективность, а также определены спорные зоны в Арктике.

Четвертый доклад

Тема: Structured Bayesian Pruning via Log-Normal Multiplicative Noise
Докладчик:  Кирилл Неклюдов, аспирант первого года обучения, департамент больших данных и информационного поиска факультета компьютерных наук

Dropout-based regularization methods can be regarded as injecting random noise with predefined magnitude to different parts of the neural network during training. It was recently shown that Bayesian dropout procedure not only improves generalization but also leads to extremely sparse neural architectures by automatically setting the individual noise magnitude per weight. However, this sparsity can hardly be used for acceleration, since it is unstructured. We propose a new Bayesian model that takes into account the computational structure of neural networks and provides structured sparsity, e.g. removes neurons and/or convolutional channels in CNNs. To do this, we inject noise to the neurons outputs while keeping the weights unregularized. We established the probabilistic model with a proper truncated log-uniform prior over the noise and truncated log-normal variational approximation that ensures that the KL-term in the evidence lower bound is computed in closed-form. The model leads to structured sparsity by removing elements with a low SNR from the computation graph and provides significant acceleration on a number of deep neural architectures. The model is very easy to implement, as it only corresponds to the addition of one dropout-like layer in computation graph.