Четырнадцатое открытое заседание Ученого совета ФКН
1. Булева матричная факторизация и некоторые ее применения в рекомендательных системах
Доклад Дмитрия Игнатова, доцента департамента анализа данных и искусственного интеллекта ФКН ВШЭ, заведующего научно-учебной лабораторией моделей и методов вычислительной прагматики ФКН ВШЭ.
В этом докладе мы рассмотрим некоторые свойства современных алгоритмов факторизации булевых матриц (таких как GreConD и IterEss), популярных методов анализа бинарных данных. Эти жадные алгоритмы инспирированы тем, что оптимальное количество факторов k (ранг Шеина) для разложения булевой матрицы на множители (BMF) может быть выбрано среди формальных понятий соответствующего формального контекста.
В частности, мы рассматриваем худший случай (с точки зрения количества возможных факторов), так называемые контраноминальные шкалы, и показываем, что выходные матрицы GreConD в этом случае не являются оптимальными по k. Мы также применяем рекуррентные и производящие соотношения и получаем замкнутую форму для возвращаемого в худшем случае количества факторов.
Алгоритм, строящий разложение в произведение P и Q с оптимальным количеством факторов, также предложен нами для случая контраноминальных шкал.
В дополнение к алгоритмическим исследованиям приводится краткое изложение наших предыдущих результатов по приложениям BMF для коллабраторивной фильтрации (в сотрудничестве с Е. Неновой, М. Ахматнуровым и др.) и булевых тензоров (совместная работа с Александрой Яковлевой и Язагом Мезиане).
2. О применении нейронных сетей для задач process mining
Доклад Сергея Шершакова, доцента департамента программной инженерии ФКН ВШЭ, академического руководителя магистратуры «Системная и программная инженерия».
Дисциплина process mining, известная также как «извлечение и анализ процессов», относится к методикам моделирования бизнес-процессов и включает ряд задач, среди которых важными являются синтез моделей и использование таких моделей для исследования ряда свойств моделируемых ими процессов. Для решения этих задач был предложен и реализован ряд методов, имеющих в своей основе разные принципы работы. Большинство из таких методов являются чисто алгоритмическими. В данном докладе будет рассмотрено два примера задач process mining, для решения которых были применены нейронные сети, причем не самым стандартным образом.
Первый пример изучает задачу синтеза модели процесса путем переобучения рекуррентной нейронной сети с последующей дискретизацией внутренних состояний обученной модели и затем их извлечением в виде компонентов модели процесса.
Второй пример рассматривает проблему обнаружения процессных (анти-)паттернов в исследуемой модели процесса с помощью сверточных нейронных сетей, которые зарекомендовали себя хорошим инструментом в классической задаче распознавания графических образов.
Оба рассматриваемых примера следует отнести к категории (полу-)статистических методов process mining. В этом контексте интересным и важным вопросом является их эффективность в сравнении с чисто алгоритмическими методами.
21 марта 2024
Ученый совет ФКН: cs.hse.ru/council
ФКН: cs.hse.ru
Подписывайтесь на нас:
📍 vk.com/cshse/
📍 t.me/fcs_hse
📍 dzen.ru/cshse
Негізгі бет Открытое заседание Ученого совета ФКН. Доклады Дмитрия Игнатова и Сергея Шершакова
Пікірлер