№;Время;ФИО;Тема;Соавторы
1;10:00;Воронцов К.В.;Вероятностное тематическое моделирование в эпоху больших языковых моделей;-
2;10:30;Забежайло М.И.;Искусственный интеллект в лаборатории естествоиспытателя: компьютерный анализ малых по числу элементов наборов объектов, представленных большим числом разнородных параметров;-
3;11:00;Михеенкова М.А.;Формализованные эвристики выявления причинных зависимостей для задач диагностики и принятия решений;-
4;11:30;Панов А.И.;Мультиагентное обучение с подкреплением: теория и приложения;-
КОФЕ-БРЕЙК;12:00;КОФЕ-БРЕЙК;КОФЕ-БРЕЙК;КОФЕ-БРЕЙК
5;12:30;Безносиков А.Н.;Повышение стабильности и качества обучения PINN (Physics-Informed Neural Network) с помощью специальной седловой переформулировки задачи;Былинкин Д.А., Александров М.С., Чежегов С.А.
6;12:50;Плетнев Н.В.;Построение m-моментного метода минимальных ошибок и его применение к решению некорректных и обратных задач математической физики;-
7;13:10;Акиндинов Г.Д.;Градиентные подходы к обратным задачам математической физики;-
8;13:30;Коноваленко Ф.Д.;Универсальная модель деварпинга и детекции текста для задач распознавания документов;-
9;13:50;Грушо А.А.;Методы машинного обучения в планировании вычислительных ресурсов;Забежайло М.И., Писковский В.О.
ОБЕД;14:10;ОБЕД;ОБЕД;ОБЕД
10;15:20;Кумичев Г.А.;MedSyn: фреймворк генерации синтетических медицинских текстов на основе больших языковых моделей;-
11;15:40;Никишин М.А.;Применение сверточных нейронных сетей U-net подобной архитектуры к задаче геологической инверсии с вариабельностью системы регистрации данных;-
12;16:00;Станкевич А.С.;Приложение диффузионных моделей глубокого обучения к решению нелинейных обратных задач математической физики на примере задачи акустической инверсии;Петров И.Б.
13;16:20;Васюков А.В.;Нейронные сети и прямое численное моделирование для задач транскраниального УЗИ;-
КОФЕ;16:40;КОФЕ;КОФЕ;КОФЕ