Студенты, интересующиеся алгоритмами адаптивной обработки и анализа данных (нейронные сети, генетические алгоритмы, нечеткая логика и т.п.) и желающие вести научную работу в данном направлении, приглашаются в лабораторию адаптивных методов анализа данных НИИЯФ.
Для работы у нас желательно поступать на кафедру атомной физики, физики плазмы и микроэлектроники, впрочем, возможны варианты.
Приглашаем прежде всего студентов 2-3 курсов, однако не прогоним и остальных.
Договориться о встрече и разговоре с руководством лаборатории можно по тел. (495) 939-46-19.
Контактные лица:
Персианцев Игорь Георгиевич, д.ф.-м.н., профессор, руководитель лаборатории.
Доленко Сергей Анатольевич, к.ф.-м.н., ст.научный сотрудник.
Полная версия этой страницы: Нейронные сети, генетические и другие адаптивные алгоритмы анализа данных
Это случаем не та самая, у которой в ГЗ лаборатории?
Цитата
Это случаем не та самая, у которой в ГЗ лаборатории?
Нет, лаборатория находится в цокольном этаже Южного крыла физфака.
Сообщаем темы курсовых работ для студентов 2 курса:
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Исследование методов определения существенности входных переменных при нейросетевом решении задачи регрессии.
3. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
4. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
5. Использование принципов полового отбора в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению имеено на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Исследование методов определения существенности входных переменных при нейросетевом решении задачи регрессии.
3. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
4. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
5. Использование принципов полового отбора в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению имеено на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Набор студентов продолжается. Желающие вначале подробнее познакомиться с предлагаемыми методами могут записаться на факультативный курс
в этой теме.
в этой теме.
Курс в этом году читается вновь, приглашаем принять участие. Кстати, и двери в лабораторию для желающих заниматься данной тематикой остаются открытыми.
Скажите пожалуйста, а по каким дням читается спецкурс?
Вторник и пятница с 19-00
Сообщаем темы курсовых работ для студентов 2 курса на 2009 год:
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Исследование методов определения существенности входных переменных при нейросетевом решении задачи регрессии.
3. Разработка и применение алгоритмов аппаратного ускорения нейросетевых вычислений с помощью видеоадаптеров на основе технологии NVIDIA CUDA.
4. Исследование и модернизация алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
7. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
8. Предварительная обработка данных космофизического эксперимента.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Исследование методов определения существенности входных переменных при нейросетевом решении задачи регрессии.
3. Разработка и применение алгоритмов аппаратного ускорения нейросетевых вычислений с помощью видеоадаптеров на основе технологии NVIDIA CUDA.
4. Исследование и модернизация алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
7. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
8. Предварительная обработка данных космофизического эксперимента.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
- Разработка алгоритмов адаптивного анализа данных
- Решение обратных задач адаптивными методами
- Отбор существенных признаков при построении моделей (feature selection)
- Алгоритмы прогнозирования и анализа многомерных временных рядов
- Обработка и анализ космофизических данных
Цитата(nnga @ 10.12.2007, 17:46) 
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению имеено на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Подтверждаю:) в частности я сама, будучи представителем кафедры физики космоса, в студенческом прошлом делала задачку с применением нейросетей к данным космического эксперимента и вполне успешно:)
Сообщаем темы курсовых работ для студентов 2 курса на 2010/2011 уч.год:
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Нейросетевые методы идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование и модернизация алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
7. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
8. Предварительная обработка данных космофизического эксперимента.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор существенных признаков при построении моделей (feature selection)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
1. Алгоритмы предобработки данных при решении обратной задачи электроразведки.
2. Нейросетевые методы идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование и модернизация алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
7. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
8. Предварительная обработка данных космофизического эксперимента.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор существенных признаков при построении моделей (feature selection)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
2 nnga
А можно ходить уже не студентам?
А можно ходить уже не студентам?
В общем, можно - в зависимости от того, чего Вы хотите. Приходите, поговорим.
Сообщаем темы курсовых работ для студентов 2 курса на 2011/2012 уч.год:
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений на основе данных о параметрах солнечного ветра.
7. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор существенных признаков при построении моделей (feature selection)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений на основе данных о параметрах солнечного ветра.
7. Алгоритм оптимизации методом "птичьей стаи" (particle flow optimization) и его сравнение с генетическим алгоритмом.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор существенных признаков при построении моделей (feature selection)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
Сообщаем примерные темы курсовых работ для студентов 2 курса на 2012/2013 уч.год:
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы обнаружения и идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений и радиационной обстановки в околоземном космическом пространстве на основе данных о параметрах солнечного ветра.
7. Методы роевого интеллекта (swarm intelligence) и их применение для решения задач оптимизации.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Темы 5 и 6 могут проходить также через кафедру косической физики. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор и выработка существенных признаков при построении моделей (feature selection, feature extraction)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Нейросетевые алгоритмы классификации и кластеризации данных
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы обнаружения и идентификации веществ по их гамма-спектрам.
3. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
4. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений и радиационной обстановки в околоземном космическом пространстве на основе данных о параметрах солнечного ветра.
7. Методы роевого интеллекта (swarm intelligence) и их применение для решения задач оптимизации.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Темы 5 и 6 могут проходить также через кафедру косической физики. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор и выработка существенных признаков при построении моделей (feature selection, feature extraction)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Нейросетевые алгоритмы классификации и кластеризации данных
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
Сообщаем примерные темы курсовых работ для студентов 2 курса на 2013/2014 уч.год:
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
3. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
4. Сравнительный анализ алгоритмов кластеризации данных.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений и радиационной обстановки в околоземном космическом пространстве на основе данных о параметрах солнечного ветра.
7. Методы роевого интеллекта (swarm intelligence) и их применение для решения задач оптимизации.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории (495) 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Темы 5 и 6 могут проходить также через кафедру косической физики. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор и выработка существенных признаков при построении моделей (feature selection, feature extraction)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Нейросетевые алгоритмы классификации и кластеризации данных
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
1. Нейросетевые методы решения обратной задачи электроразведки.
2. Нейросетевые методы идентификации и определения парциальных концентраций компонент в смеси.
3. Исследование алгоритма адаптивного построения иерархических нейросетевых классификаторов.
4. Сравнительный анализ алгоритмов кластеризации данных.
5. Разработка моделей прогнозирования потоков солнечного ветра на основе обработки изображений Солнца, получаемых с космических аппаратов.
6. Прогнозирование геомагнитных возмущений и радиационной обстановки в околоземном космическом пространстве на основе данных о параметрах солнечного ветра.
7. Методы роевого интеллекта (swarm intelligence) и их применение для решения задач оптимизации.
8. Использование принципов полового отбора (гендерный подход) в генетических алгоритмах.
Научные руководители:
Профессор, д.ф.-м.н. Игорь Георгиевич Персианцев, ipers@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Сергей Анатольевич Доленко, dolenko@srd.sinp.msu.ru
Ст.научный сотрудник, к.ф.-м.н. Юлия Сергеевна Шугай, jshugai@srd.dinp.mdu.ru
Телефон лаборатории (495) 939-46-19.
Формально темы заявлены в учебной части через кафедру атомной физики, физики плазмы и микроэлектроники, на которой обычно учатся наши студенты. Темы 5 и 6 могут проходить также через кафедру косической физики. Однако выполнение курсовой работы на 2 курсе не влечет за собой никаких обязательств для студента по последующему распределению именно на ту кафедру, где он делал курсовую. Если Вам интересны алгоритмы анализа данных, однако Вы захотите поступать на другую кафедру, это можно обсуждать. Как правило, проблема решается путем выбора задачи, интересной для кафедры, где учится студент.
Любой из указанных задач может заняться и студент 3-4 курса - объем каждой из них достаточен для курсовой 4 курса, и можно думать о последующей формулировке темы для дипломной работы в указанном направлении.
Более глобально, основные направления работы лаборатории следующие:
* Разработка алгоритмов адаптивного анализа данных
* Решение обратных задач адаптивными методами
* Отбор и выработка существенных признаков при построении моделей (feature selection, feature extraction)
* Алгоритмы прогнозирования и анализа многомерных временных рядов
* Нейросетевые алгоритмы классификации и кластеризации данных
* Обработка и анализ космофизических данных
Если Вас интересует работа в одном из этих направлений по какой-либо другой более узкой теме - приходите, поговорим.
Для просмотра полной версии этой страницы, пожалуйста, пройдите по ссылке.