Докладчик: Алексей Друца,
аспирант Мех-Мата МГУ, м.н.с. Лаборатории Компьютерного Моделирования Мех-мата МГУ.
Доклад посвящен демонстрации функциональных возможностей программного пакета UCINet с точки зрения проведения социально-сетевого анализа обсуждений интернет-форума.
Программный пакет UCINet представляет собой интегрированную среду по форматированию и обработке входных и выходных данных о графе, которым является ветка обсуждения интернет-форума.
В рамках семинара будут представлены краткое описание основных характеристик графов, полученных результатов, а также подробно рассмотрены отдельные функциональные блоки пакета.
Видео: http://vimeo.com/user7862600
The model ontology subject domain in system "KARKAS" , consists of hierar-chy of classes of subject domain, communications between them (conclusion rules) which operate within the limits of this model. In system the interpretation mechanism ontology in the conditions of dynamic change of its parametres (a base class, communications between classes and interactions of objects of classes) is offered. The system is constructed by a modular principle and for this reason has possibility of connection of other additional modules. In architecture of system it is possi-ble to allocate following basic modules: the loader; the module for working out knowledge base; the consultation module; the module cluster analysis the data.
The subject domain model is considered as functional system in which the result makes organising impact on all stages of formation онтологии. Classes and communications be-tween it can be considered as a logic design of functional system.
In system "KARKAS" the functional system is the formalized reflexion of subject do-main in the form of hierarchical structure of a set of managing directors a component which co-operate among themselves for overall objective achievement.
«Облачный» сервис интеллектуального анализа данных. графический интерфейс пос...Анастасия Вязьмина
Презентация к диплому бакалавра
Выполнила: студентка
4 курса, 481 группы
А.Н. Вязьмина
Научный руководитель:
к.ф.-м.н., доцент,
С.И. Жилин
Барнаул, Алтайский государственный университет
2012 год
Видео примера работы с интерфейсом можно скачать тут: https://yadi.sk/i/DlZqdKFPgLCry
РЕАЛИЗАЦИЯ РАДИАЛЬНО-БАЗИСНОЙ НЕЙРОННОЙ СЕТИ НА МАССИВНО-ПАРАЛЛЕЛЬНОЙ АРХИТЕК...ITMO University
Предлагается распараллеливание в технологии программно-аппаратной архитектуры (CUDA) алгоритма обучения радиально-базисной нейронной сети (RBFNN), основанного на идее последовательной настройки центров, ширины и весов сети, а также идее коррекции весов по алгоритму минимизации квадратичного функционала методом сопряженных градиентов. Приводятся результаты сравнения времени обучения RBFNN на различных центральных и графических процессорах, доказывающие эффективность распараллеливания.
The model ontology subject domain in system "KARKAS" , consists of hierar-chy of classes of subject domain, communications between them (conclusion rules) which operate within the limits of this model. In system the interpretation mechanism ontology in the conditions of dynamic change of its parametres (a base class, communications between classes and interactions of objects of classes) is offered. The system is constructed by a modular principle and for this reason has possibility of connection of other additional modules. In architecture of system it is possi-ble to allocate following basic modules: the loader; the module for working out knowledge base; the consultation module; the module cluster analysis the data.
The subject domain model is considered as functional system in which the result makes organising impact on all stages of formation онтологии. Classes and communications be-tween it can be considered as a logic design of functional system.
In system "KARKAS" the functional system is the formalized reflexion of subject do-main in the form of hierarchical structure of a set of managing directors a component which co-operate among themselves for overall objective achievement.
«Облачный» сервис интеллектуального анализа данных. графический интерфейс пос...Анастасия Вязьмина
Презентация к диплому бакалавра
Выполнила: студентка
4 курса, 481 группы
А.Н. Вязьмина
Научный руководитель:
к.ф.-м.н., доцент,
С.И. Жилин
Барнаул, Алтайский государственный университет
2012 год
Видео примера работы с интерфейсом можно скачать тут: https://yadi.sk/i/DlZqdKFPgLCry
РЕАЛИЗАЦИЯ РАДИАЛЬНО-БАЗИСНОЙ НЕЙРОННОЙ СЕТИ НА МАССИВНО-ПАРАЛЛЕЛЬНОЙ АРХИТЕК...ITMO University
Предлагается распараллеливание в технологии программно-аппаратной архитектуры (CUDA) алгоритма обучения радиально-базисной нейронной сети (RBFNN), основанного на идее последовательной настройки центров, ширины и весов сети, а также идее коррекции весов по алгоритму минимизации квадратичного функционала методом сопряженных градиентов. Приводятся результаты сравнения времени обучения RBFNN на различных центральных и графических процессорах, доказывающие эффективность распараллеливания.
Сети и системы телекоммуникаций. Протоколы маршрутизацииAndrey Sozykin
Презентация лекции "Протоколы маршрутизации".
План лекции:
Место протоколов маршрутизации в моделях OSI и TCP/IP
Маршрутизация по вектору расстояний
Маршрутизация с учетом состояния канала
Протоколы внутренней маршрутизации (RIP, OSPF)
Структура Интернет
Протокол внешней маршрутизации BGP
Доклад Михаила Бухарина "Разбивка на модули в архитектурном проектировании. Практика DSM (design structure matrix)" на 94 заседании INCOSE, 8 октября 2014г.
C3D — инструмент разработчика программного обеспечения.
Ядро C3D предназначено для использования в программных продуктах в качестве базового компонента, который отвечает за построение геометрической модели и управление построенной моделью. Наиболее известный класс таких продуктов — системы автоматизированного проектирования.
C3D позволяет строить геометрические модели реальных и воображаемых объектов, выполнять геометрические расчеты, связывать элементы геометрической модели условиями. Ядро C3D может работать с геометрическими моделями, построенными в других системах, а также передавать данные о геометрической модели в другие системы автоматизированного проектирования.
C3D состоит из динамически подключаемой библиотеки, вспомогательных файлов для обеспечения работы в различных средах разработки ПО, демонстрационного приложения в исходных кодах и технической документации.
На сегодняшний день C3D — единственное ядро геометрического моделирования, объединяющее в себе четыре важнейших модуля САПР:
• Геометрическое ядро C3D (C3D Modeler) осуществляет построение геометрической модели и обеспечивает геометрические вычисления
• Параметрическое ядро C3D (C3D Solver) осуществляет наложение связей на элементы геометрической модели, выраженных в виде уравнений и неравенств
• Модуль визуализации C3D (C3D Vision) осуществляет качественную визуализацию геометрической модели и обеспечивает взаимодействие с интерфейсом инженерного ПО
• Модуль обмена C3D (C3D Converter) осуществляет обмен данными о геометрической модели с другими системами
Все четыре модуля C3D могут быть использованы совместно или по отдельности друг от друга. Разработчику конечного приложения ядро позволяет:
• Улучшить функциональные возможности продукта
• Быстро создать 3D-продукт на основе существующей 2D-системы
• Снизить затраты на собственную разработку
• Повысить надежность и быстродействие программного продукта
Сети и системы телекоммуникаций. Протоколы маршрутизацииAndrey Sozykin
Презентация лекции "Протоколы маршрутизации".
План лекции:
Место протоколов маршрутизации в моделях OSI и TCP/IP
Маршрутизация по вектору расстояний
Маршрутизация с учетом состояния канала
Протоколы внутренней маршрутизации (RIP, OSPF)
Структура Интернет
Протокол внешней маршрутизации BGP
Доклад Михаила Бухарина "Разбивка на модули в архитектурном проектировании. Практика DSM (design structure matrix)" на 94 заседании INCOSE, 8 октября 2014г.
C3D — инструмент разработчика программного обеспечения.
Ядро C3D предназначено для использования в программных продуктах в качестве базового компонента, который отвечает за построение геометрической модели и управление построенной моделью. Наиболее известный класс таких продуктов — системы автоматизированного проектирования.
C3D позволяет строить геометрические модели реальных и воображаемых объектов, выполнять геометрические расчеты, связывать элементы геометрической модели условиями. Ядро C3D может работать с геометрическими моделями, построенными в других системах, а также передавать данные о геометрической модели в другие системы автоматизированного проектирования.
C3D состоит из динамически подключаемой библиотеки, вспомогательных файлов для обеспечения работы в различных средах разработки ПО, демонстрационного приложения в исходных кодах и технической документации.
На сегодняшний день C3D — единственное ядро геометрического моделирования, объединяющее в себе четыре важнейших модуля САПР:
• Геометрическое ядро C3D (C3D Modeler) осуществляет построение геометрической модели и обеспечивает геометрические вычисления
• Параметрическое ядро C3D (C3D Solver) осуществляет наложение связей на элементы геометрической модели, выраженных в виде уравнений и неравенств
• Модуль визуализации C3D (C3D Vision) осуществляет качественную визуализацию геометрической модели и обеспечивает взаимодействие с интерфейсом инженерного ПО
• Модуль обмена C3D (C3D Converter) осуществляет обмен данными о геометрической модели с другими системами
Все четыре модуля C3D могут быть использованы совместно или по отдельности друг от друга. Разработчику конечного приложения ядро позволяет:
• Улучшить функциональные возможности продукта
• Быстро создать 3D-продукт на основе существующей 2D-системы
• Снизить затраты на собственную разработку
• Повысить надежность и быстродействие программного продукта
Алгоритмы анализа графов социальных связей Witology
Докладчики: Анастасия Беззубцева (стажер Witology)
Алексей Милованов (стажер Witology)
В рамках доклада ведется речь о существующих алгоритмах, применяемых для анализа социальных сетей, сообществ на примере данных ряда групп ВКонтакте.
Алгоритмы классификации в машинном обученииWitology
В докладе рассмотрены наиболее популярные алгоритмы классификации в машинном обучении, их преимущества и недостатки, а также приведены результаты использования алгоритмов на реальных данных, в частности, в задаче классификации текстов по классам эмоций.
Интересные результаты RUSSIR'11: WEB of DATAWitology
В рамках семинара докладчик рассказывает об основных темах и идеях, которыми жила летняя школа по информационному поиску на протяжении 5 дней. В их числе параметры, оценка, улучшение поисковых систем; графы в соцмедиа; коллективный информационный поиск.
Модели когнитивной психологии и задачи искусственного интеллектаWitology
Докладчик: Сергей Каунов
В рамках семинара рассматриваются следующие темы:
- Что такое искусственный интеллект и для чего традиционно используются модели ИИ?
- Что в психологии, как гуманитарной дисциплине, может найти полезного инженер, и что приведёт его в тупик.
- Взаимосвязь ИИ и психологии.
- Роль ИИ в когнитологии
Анализ формальных понятий: Применение в WitologyWitology
Докладчик: Александра Каминская
В докладе рассказывается о том, что такое анализ формальных понятий
(АФП) как один из методов анализы данных. Даны необходимые
определения и приведены простейшие примеры. Затронуты темы
решеток понятий, импликации и ассоциативных правил (выявление
признаковых зависимостей). Вторая часть доклада посвящена
применению АФП в Witology - а именно, анализу данных внутреннего
проекта с помощью построения решеток понятий.
6. Analytic Technologies UCINet v6.354 Социально-сетевой анализ: Анализ связности графа. Определение регионов и подгрупп графа. Определение путей и траекторий между узлами графа. Анализ собственных подсетей для узлов графа. Анализ централизации графа и различный анализ центральности его узлов. Выделение ядра и периферии графа, а также вычисление эквивалентности между вершинами. Анализ подграфов внутри графа, в том числе анализ узлов по их внешним атрибутам (возраст, пол,...). Сравнительный анализ нескольких графов. Анализ графа во времени.
7. Граф сообщений темы #2 форума АСИ Valued Direct Graph Узлы: 29 шт. Максимальное значение ребра: 10
9. Матрица связей дихотомизация Матрица сообщений Матрица связей If (xij!=0) xij = 1 unvalued direct graph Число ненулевых значений: 70 Доля ненулевых значений среди всех недиагональных элементов:0,0862 Процент взаимных ребер среди всех ребер: 37.25%
10. Содержание отчета ЦЕНТРАЛИЗАЦИЯ (CENTRALIZATION) СВЯЗНОСТЬ (COHESION) РЕГИОНЫ (REGIONS) И ПОДГРУППЫ ЭКВИВАЛЕНТОНСТЬ (ROLES & POSITIONS) СОБСТВЕННЫЕ ПОДСЕТИ (EGO NETWORKS) ДОПОЛНИТЕЛЬНЫЕ ПАРАМЕТРЫ
13. Центральности матрицы связей 2Reach = 2-Step reach / Reach Centrality (степенная центральность, вычисленная по окружению узла, достижимого в 2 шага); SRD = Closeness by Sum of Reciprocal Distances (Близость по Сумме Взаимных Расстояний).
19. Дополнительные параметры Кроме перечисленных выше методов вычисления центральностей, данный пакет позволяет измерять и находить следующие данные (см. отчет): Фактор влияния (influence) Ядра и авторитеты (Hubsandauthorities) Близость (Closeness) вычисленная по параметрам: SRD(InCloseness & OutCloseness), ARD (Integration & Radiality), SLP (farness & closeness) Информационная центральность (InformationCentrality), для которой необходима обратимость матрицы сообщений Центральность по промежуточности (BetweennessCentrality):FreemanBetweenness & ProximalBetweenness, EdgeBetweenness, FlowBetweenness Fragmentationcentrality Totalcentralitydecomposition Группа с наилучшей показателем центральности (Bestcentralitygroup) и др.
21. Транзитивность Adjacency – A triple x_ik,x_ij,x_jk is transitive if x_ik is 1 whenever x_ij and x_jk are both 1. Euclidean – A triple x_ik,x_ij,x_jk is transitive if x_ik >= x_ij + x_jk. Strong – A triple x_ik,x_ij,x_jk is transitive if x_ik >= min(x_ij,x_jk). Weak – A triple x_ik,x_ij,x_jk is transitive if whenever min(x_ij,x_jk) >= s then x_ik >= w for user-specified s and w. s is the strong tie value and w the weak tie value. Stochastic – A triple x_ik,x_ij,x_jk is transitive if x_ik >= x_ij * x_jk.
23. Взаимность (Reciprocity) Парная взаимность (Dyad-based Reciprocity):0.3725 In the dyad-based method, the reciprocity value indicates the prop. of dyads that are reciprocal. I.e., Num(Xij>0 and Xji>0)/Num(Xij>0 or Xji>0) Реберная взаимность (Arc-Based Reciprocity): 0.5429 In the arc-based method, the reciprocity value indicates the prop. of all arcs (directed edges) that are reciprocated.
24. K-локальные мосты A bridge is an edge whose removal disconnects the graph. A k-local bridge is an edge whose removal increases the distance of its endpoints to a value of k or more. Значения k-локального моста для каждого ребра: большая стрелка соответствует большему значению. Большие узлы имеют большее среднее значение k-локального моста выходящих из них ребер.
26. Связные компоненты Неоднородность = 1 – ∑p2; Энтропия = –∑ pln(p); p – component density. Фрагментация – доля пар узлов, которые не могут достичь друг друга. Бикомпонента – максимальный несепарабельный подграф. Сепарабельный граф – граф без точек сочленения. Точка сочленения – узел, удаление которого увеличит количество связных компонент.
28. Клики, N-клики, N-кланы, K-сплетения N-клика (clique)– подграф, в котором расстояния между всеми его узлами ≤ N. N-кликаявляется N-кланом (clan), если её диаметр как подграфа ≤ N. K-сплетение (plex) – максимальный подграф, в котором каждая вершина не соединена с не более, чем K узлами сплетения.
43. The edge connectivity The edge connectivity of a pair of vertices is the minimum number of edges which must be deleted so that there is no path connecting them.
44. Лямбда-множества A lambda set is a maximal subset of vertices with the property that the edge connectivity of any pair of vertices within the subset is strictly greater than the edge connectivity of any pair of vertices, one of which is in the subset and one of which is outside. Hence if l(a,b) represents the edge-connectivity of two vertices a and b from a graph G(V,E) then a subset S is a lambda set if it is the maximal set with the property that for all a,b,c n S and d n V-S then l(a,b) > l(c,d).
53. Structural Equivalence Методы: Euclidean Distance – The distance between the vectors in n-dimensional space, i.e. the root of the sum of squared differences. Correlation – Pearson product correlation coefficient of every pair of profiles. Matches – Proportion of exact matches between all pairs of profiles. Positive Matches – Proportion of exact matches in which at least one element is positive, between all pairs of profiles. Number of Overlaps Sum of cross-products Примеры диаграмм кластеризации для Euclidean Distanceи Correlation
59. Собственные подсети Также собственные сети можно построить отдельно по входящим и выходящим ребрам Кроме этого для собственных подсетей можно вычислять (см. отчет): Структурные дыры (structuralholes) GOULD & FERNANDEZ BROKERAGE MEASURES Honestbrokerindex и др.
61. Дополнительные параметры Кроме перечисленных выше параметров, данный пакет позволяет измерять и находить следующие данные (см. отчет): ExpansivenessandPopularityParameters (HollandandLeinhardt P1 modelforbinarynetworks) JimmieD’smultipleeigenvector Colleen’smultipleCore-Periphery Политическая независимость (PoliticalIndependence) и др.