Математические методы распознавания образов (конференция)/Программа ММРО-14

Материал из MachineLearning.

Перейти к: навигация, поиск

Содержание

Предварительный вариант программы.

Состав, названия, очерёдность докладов находятся в процессе согласования и могут измениться.

Средняя продолжительность докладов — 20 минут с учётом обсуждения.

Утренние заседания — по 8 докладов; вечерние — по 10–11 докладов. Если где-то меньше, значит, есть возможность продлить некоторые доклады до 25–30 минут, либо добавить ещё.

В списках авторов выделены докладчики.

Понедельник 21 сентября

[15:00–19:00] Открытие конференции, пленарное заседание (кино-концертный зал)

  1. [15:00–15:10] Журавлев Ю. И., Рудаков К. В. Открытие конференции
  2. [15:10–15:35] Фурман Я. А. Концепция группового распознавания образов
  3. [15:35–15:55] Манило Л. А., Немирко А. П. Аппроксимация энтропии Колмогорова при анализе хаотических процессов на конечных выборках
  4. [15:55–16:20] Миркин Б. Г., Насименто С., Мониш-Перейра Л. Визуализация исследовательской активности организаций с использованием таксономии предметной области
  5. [16:20–16:40] Хачай М. Ю. Вопросы вычислительной сложности комбинаторных задач, возникающих при обучении в классе кусочно-линейных классификаторов
  6. [16:40–17:00] Чернов В. М. Параллельная машинная арифметика, ассоциированная с каноническими и квазиканоническими системами счисления
    • [17:00–17:20] кофе-брейк
  7. [17:20–18:10] Пытьев Ю. П. Обзорная лекция. Теория возможности и неопределённые нечёткие модели
  8. [18:10–18:20] Фаломкина О. В., Пытьев Ю. П. Эмпирическое восстановление неопределенной нечеткой модели
  9. [18:20–18:40] Чуличков А. И., Демин Д. С., Цыбульская Н. Д. Морфологический подход к вейвлет-анализу сигналов
  10. [18:40–19:00] Чуличков А. И., Демин Д. С. Решение задачи декомпозиции сигналов заданной формы методами теории измерительно-вычислительных систем

Вторник 22 сентября

[10:00–13:00] Пленарное заседание (кино-концертный зал)

  1. [10:00–10:20] Пытьев Ю. П. Возможность как альтернативная вероятности модель случайности: событийно-частотная интерпретация и эмпирическое построение
  2. [10:20–11:10] Загоруйко Н. Г. Обзорная лекция. Сходство и компактность
  3. [11:10–11:30] Лбов Г. С., Герасимов М. К. Метод распознавания редких событий
    • [11:30–11:50] кофе-брейк
  4. [11:50–12:15] Воронцов К. В. Комбинаторный подход к проблеме переобучения
  5. [12:15–12:35] Воронцов К. В., Ивахненко А. А., Инякин А. С., Лисица А. В., Минаев П. Ю. Полигон — распределённая система для эмпирического анализа задач и алгоритмов классификации
  6. [12:35–13:00] Татарчук А. И., Сулимова В. В., Моттль В. В., Уиндридж Д. Метод релевантных потенциальных функций для селективного комбинирования разнородной информации при обучении распознаванию образов на основе байесовского подхода

[15:00–19:00] Секционные заседания, две параллельные секции

Секция 1 (кино-концертный зал)

Методы распознавания на основе сходства

  1. [15:00–15:25] Борисова И. А. Алгоритм FRiS-TDR для решения обобщенной задачи таксономии и распознавания
  2. [15:25–15:50] Иванов М. Н., Воронцов К. В. Отбор эталонов, основанный на минимизации функционала полного скользящего контроля
  3. [15:50–16:10] Волченко Е. В. Метод построения взвешенных обучающих выборок в открытых системах распознавания

Теория обобщающей способности

  1. [16:10–16:35] Неделько В. М. О точности интервальных оценок вероятности ошибочной классификации, основанных на эмпирическом риске
    • [16:35–16:55 кофе-брейк
  2. [16:55–17:15] Кочедыков Д. А. Структуры сходства в семействах алгоритмов классификации и оценки обобщающей способности
  3. [17:15–17:35] Ботов П. В. Точные оценки вероятности переобучения для монотонных и унимодальных семейств алгоритмов
  4. [17:40–18:00] Фрей А. И. Точные оценки вероятности переобучения для симметричных семейств алгоритмов

Методы отбора признаков

  1. [18:00–18:20] Татарчук А. И., Урлов Е. Н., Моттль В. В. Метод опорных потенциальных функций в задаче селективного комбинирования разнородной информации при обучении распознаванию образов
  2. [18:20–18:40] Татарчук А. И., Урлов Е. Н., Ляшко А. С., Моттль В. В. Экспериментальное исследование обобщающей способности методов селективного комбинирования потенциальных функций в задаче двухклассового распознавания образов
  3. [18:40–19:00] Копылов А. В., Середин О. С., Приймак А. Ю., Моттль В. В. Отбор подмножеств взаимосвязанных признаков на основе параметрической процедуры динамического программирования

Секция 2 (каминный зал)

Спектральные методы анализа сигналов и изображений

  1. [15:00–15:25] Дедус Ф. Ф., Алёшин С. А., Двойнев А. И., Куликова Л. И., Махортых С. А., Панкратов А. Н., Пятков М. И., Тетуев Р. К. Спектральная реализация метода наименьших квадратов
  2. [15:25–15:45] Алёшин С. А., Дедус Ф. Ф., Тетуев Р. К. Спектральный подход к вычислению аффинных инвариантов

Структурные методы анализа и распознавания изображений

  1. [15:45–16:10] Ланге М. М., Степанов Д. Ю. Многослойное древовидное представление объектов многоканальных изображений
  2. [16:10–16:35] Ганебных С. Н., Ланге М. М. О распознавании образов в пространстве пирамидальных представлений
    • [16:35–16:55] кофе-брейк
  3. [16:55–17:20] Местецкий Л. М., Аргунов Д А. Скелетная сегментация полутоновых линейчатых изображений
  4. [17:20–17:45] Домахина Л. Г. Регуляризация скелета для задачи сравнения формы
  5. [17:45–18:10] Жукова К. В., Рейер И. А. Параметрическое семейство гранично-скелетных моделей формы
  6. [18:10–18:35] Бакина И. Г., Местецкий Л. М. Метод сравнения формы ладоней при наличии артефактов
  7. [18:35–19:00] Гордеев Д. В., Дышкант Н. Ф. Сегментация модели лица на статические и динамические области по трехмерной видеопоследовательности

Среда 23 сентября

[10:00–13:00] Секционные заседания, две параллельные секции

Секция 1 (кино-концертный зал)

Биомедицинские приложения анализа сигналов и изображений

  1. Устинин М. Н., Панкратова Н. М., Ольшевец М. М. Пространственно-временная фильтрация данных магнитной энцефалографии
  2. Корнилина Е. Д., Махортых С. А., Семечкин Р. А. Частотный анализ данных магнитной энцефалографии в аудиторном эксперименте
  3. Федотов Н. Г., Мокшанина Д. А., Романов С. В. Анализ текстур гистологических изображений. Сегментация гистологических изображений. Выделение фолликулов и ядер
    • кофе-брейк
  4. Ветров Д. П., Кропотов Д. А. Алгоритм множественного трекинга лабораторных животных
  5. Ломакина-Румянцева Е. И., Ветров Д. П., Кропотов Д. А. Автоматическая сегментация поведения лабораторных животных на основе выделяемых контуров
  6. Темлянцев А. В., Ветров Д. П., Кропотов Д. А. Структурный анализ поведенческой динамики
  7. Осокин А. А., Ветров Д. П., Кропотов Д. А. Построение трехмерной модели мозга мыши по набору двумерных изображений из Алленовского Атласа

Секция 2 (каминный зал)

Логические методы классификации

  1. Дюкова Е. В., Инякин А. С., Колесниченко А. С., Нефёдов В. Ю. О сложности логического анализа данных в распознавании
  2. Дюкова Е. В., Инякин А. С., Нефёдов В. Ю. Развитие методов порождения решений труднорешаемых задач на основе асимптотически оптимального подхода
  3. Дюкова Е. В., Сизов А. В., Сотнезов Р. М. О методах построения приближенного решения для задачи о покрытии
  4. Генрихов И. Е., Дюкова Е. В. Усовершенствование алгоритма C4.5 на основе использования полных решающих деревьев
    • кофе-брейк
  5. Янковская А. Е., Петелин А. Е. Развитие алгоритма многокритериального выбора оптимального подмножества диагностических тестов
  6. Переверзев-Орлов В. С., Трунов В. Г. Динамический синдромный анализ

Методы кластеризации

  1. Бериков В. Б. Построение ансамбля логических моделей в кластерном анализе
  2. Куликова Е. А., Пестунов И. А., Синявский Ю. Н. Непараметрический алгоритм кластеризации для обработки больших массивов данных

[15:00–19:00] Секционные заседания, две параллельные секции

Секция 1 (кино-концертный зал)

Обработка и распознавание изображений

  1. Козлов В. Н. Восстановление трёхмерных изображений по плоским проекциям
  2. Визильтер Ю. В. Критериальные проективные морфологии
  3. Федотов Н. Г. Трейс-преобразование как источник признаков распознавания
  4. Лясникова С. М., Жарких А. А. Исследование распределений расстояний точек евклидова пространства при случайных аффинных преобразованиях
  5. Броневич А. Г., Гончаров А. В. Знаковое представление изображений и его информативность
    • кофе-брейк
  6. Савенков Д. С., Двоенко С. Д., Шанг Д. В. Комбинирование ациклических графов соседства в задаче распознавания марковских случайных полей
  7. Козодеров В. В., Дмитриев Е. В., Егоров В. Д. Вычислительные методы обработки и интерпретации многоспектральных и гиперспектральных аэрокосмических изображений
  8. Кандоба И. Н., Костоусов В. Б., Костоусов К. В., Перевалов Д. С. Алгоритмы поиска и классификации изображений линейных объектов на космоснимках
  9. Роженцов А. А, Баев А. А., Наумов А. С. Обработка многоградационных пространственных изображений с неупорядоченными отсчётами
  10. Рогов А. А., Рогова К. А., Кириков П. В. Применение методов распознавания образов в системе управления коллекциями графических документов

Секция 2 (каминный зал)

Методы регрессионного анализа

  1. Моттль В. В., Красоткина О. В., Ежова Е. О. Непрерывное обобщение информационного критерия Акаике для оценивания нестационарной регрессионной модели временного ряда с неизвестной степенью изменчивости коэффициентов
  2. Ветров Д. П., Кропотов Д. А., Пташко Н. О. Об унимодальности непрерывного расширения критерия Акаике
  3. Стрижов В. В., Крымова Е. А. Сравнение алгоритмов выбора регрессионных моделей
  4. Стрижов В. В., Сологуб Р. А. Алгоритм выбора нелинейных регрессионных моделей с анализом гиперпараметров
  5. Китов В. В. Тесты на наличие тренда общей формы во временных рядах с сезонностью и зависимостью наблюдений
    • кофе-брейк

Временные ряды и динамические системы

  1. Красоткина О. В., Копылов А. В., Моттль В. В., Марков М. Восстановление скрытой стратегии управления инвестиционным портфелем как задача оценивания нестационарной регрессии с сохранением локальных особенностей
  2. Неймарк Ю. И., Котельников И. В., Теклина Л. Г. Новая технология численного исследования динамических систем методами распознавания образов
  3. Котельников И. В. Построение параметрического портрета динамической системы на основе синдромальных представлений
  4. Грызлова Т. П. Формализация задачи распознавания последовательности состояний сложного источника
  5. Филипенков Н. В. О некоторых аспектах интеллектуального анализа пучков временных рядов
  6. Дорофеев Н. Ю. Разрешимость и регулярность алгоритмов нечёткой разметки точечных конфигураций

Четверг 24 сентября

[10:00–13:00] Секционные заседания, две параллельные секции

Секция 1 (кино-концертный зал)

Дискретные экстремальные задачи в анализе данных и распознавании образов

  1. Кельманов А. В. Несколько актуальных проблем анализа данных
  2. Михайлова Л. В. Задачи анализа и распознавания последовательностей, включающих серии повторяющихся вектор-фрагментов
  3. Хамидуллин С. А. Распознавание алфавита векторов, порождающего последовательности с квазипериодической структурой

Анализ генетических последовательностей

  1. Панкратов А. Н., Горчаков М. А., Дедус Ф. Ф., Долотова Н. С., Куликова Л. И., Махортых С. А., Назипова Н. Н., Новикова Д. А., Ольшевец М. М., Пятков М. И., Руднев В. Р., Тетуев Р. К., Филиппов В. В. Спектральный подход в задаче распознавания и визуализации нечётких повторов в генетических последовательностях
    • кофе-брейк
  2. Рудаков К. В., Торшин И. Ю. О разрешимости формальной задачи распознавания вторичной структуры белка
  3. Назипова Н. Н., Теплухина Е. И., Тюльбашева Г. Э., Чалей М. Б. Распознавание скрытой периодичности в геномах модельных организмов
  4. Разин Н. А., Сулимова В. В., Моттль В. В., Мучник И. Б. Локальная модель случайных эволюционных преобразований белков и вероятностное обобщение задачи множественного выравнивания аминокислотных последовательностей
  5. Сулимова В. В., Моттль В. В., Куликовский К. А., Мучник И. Б. Потенциальные функции на множестве аминокислот на основе модели эволюции М. Дэйхофф

Секция 2 (каминный зал)

Прикладные задачи интеллектуального анализа данных

  1. Матросов В. Л., Иванников Д. И. Применение методов распознавания при исследовании химических мембран
  2. Димитриенко Ю. И., Краснов И. К., Николаев А. А. Разработка автоматизированной технологии распознавания трехмерных дефектов в композитных конструкциях по тепловизионным изображениям
  3. Мехедов И. С. Поиск шаблонов перекрестков на векторной карте городской улично-дорожной сети
  4. Власова Ю. В. Применение генетических алгоритмов в задаче классификации сигналов (приложение в BCI)

Анализ текстовой информации

  1. Михайлов Д. В., Емельянов Г. М. Морфология и синтаксис в задаче семантической кластеризации
  2. Москин Н. Д. Математические модели и алгоритмы в задачах атрибуции фольклорных текстов
  3. Кудинов П. Ю. Задача распознавания статистических таблиц

[15:00–19:00] Культурная программа

Обзорная экскурсия по городу Суздалю.

Пятница 25 сентября

[10:00–13:00] Секционные заседания, две параллельные секции

Секция 1 (кино-концертный зал)

Методы цифровой обработки сигналов и изображений

  1. Анциперов В. Е. Обнаружение и оценка частотных сдвигов в нестационарных процессах на основе многомасштабного корреляционного анализа
  2. Чичёва М. А. Параллельный подход к вычислению двумерного дискретного косинусного преобразования в специальных алгебраических структурах
  3. Леухин А. Н. Построение циклических разностных множества Адамара
    • кофе-брейк
  4. Мясников В. В. О постановке и решении задачи построения эффективных линейных локальных признаков цифровых сигналов [15 минут]
  5. Мясников В. В. Эффективный алгоритм над множеством алгоритмов линейной локальной фильтрации [15 минут]
  6. Баврина A. Ю., Мясников В. В. Построение эффективных линейных локальных признаков с использованием алгоритмов глобальной оптимизации [15 минут]
  7. Титова О. А., Мясников В. В. Псевдоградиентный алгоритм построения эффективных линейных локальных признаков [15 минут]
  8. Кальян В. П. Об алгоритмах сегментации для системы автоматической нотной транскрипции музыкального фольклора

Секция 2 (каминный зал)

Алгебраический подход к проблеме распознавания, алгоритмы вычисления оценок и алгоритмические композиции

  1. Дьяконов А. Г. Алгебраические замыкания обобщённой модели алгоритмов распознавания, основанных на вычислении оценок
  2. Карпович П. А., Дьяконов А. Г. Критерии k-сингулярности систем точек в алгебраическом подходе к распознаванию
  3. Сенько О. В., Кузнецова A. В. Метод распознавания по закономерностям в моделях оптимальных разбиений
  4. Сенько О. В., Докукин А. А. Оптимальные выпуклые корректирующие процедуры в задачах высокой размерности
  5. Докукин А. А. Об одном обобщении семейства алгоритмов вычисления оценок
    • кофе-брейк
  6. Янгель Б. К. Ускорение бустинга параметрических классификаторов с использованием генетических алгоритмов
  7. Баринова О. В., Ветров Д. П. Оценки обобщающей способности бустинга с вероятностными входами

[15:00–19:00] Пленарное заседание (кино-концертный зал)

  1. Журавлев Ю. И. Обзорный доклад. О современных тенденциях теории распознавания
  2. Рязанов В. В. О некоторых подходах к восстановлению зависимостей по прецедентам

Обработка и распознавание изображений

  1. Дегтярёв Н. А., Крестинин И. А., Середин О. С. Исследование и сравнительный анализ реализаций алгоритмов поиска лиц на изображениях
  2. Ушмаев О. С. Непрерывная классификация дактокарт по особенностям опорных точек изображений отпечатков пальцев
    • кофе-брейк
  3. Харинов M. B., Гальяно Ф. Р. Распознавание изображений посредством представлений в различном числе градаций
  4. Кий К. И. Геометризованные гистограммы и понимание изображений
  5. Хашин С. И. Сравнение эффективности дискретных вейвлетов малого порядка
  6. Зараменский Д. А., Хрящев В. В. Оценка качества JPEG2000 изображений

Закрытие конференции

Источник — «http://recognition.su/wiki/index.php?title=%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D1%80%D0%B0%D1%81%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%BE%D0%B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2_%28%D0%BA%D0%BE%D0%BD%D1%84%D0%B5%D1%80%D0%B5%D0%BD%D1%86%D0%B8%D1%8F%29/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B0_%D0%9C%D0%9C%D0%A0%D0%9E-14»
Личные инструменты