Межрегиональный семинар "Модели и методы гибридного интеллекта"

Пензенское отделение Научного Совета РАН по методологии искусственного интеллекта  провело 28.01.2013 на базе кафедры "Теоретическая и прикладная механика" ПГУ межрегиональный семинар "Модели и методы гибридного интеллекта".  В работе семинара приняли участие ученые Пензы и Перми.

Председатель Пензенского отделения Научного Совета РАН по методологии искусственного интеллекта д.т.н., профессор Смогунов В.В. подвел итоги работы отделения в 2012г. и рассказал о работах в области искусственного интеллекта, проводимых в ПГУ. Доклад д.т.н., профессора Ясницкого Л.Н., научного руководителя Пермского отделения Научного Совета РАН по методологии искусственного интеллекта, был посвящен работам Пермской школы искусственного интеллекта (http://permai.ru/) в области нейронных сетей. Доклад д.т.н., профессора Горбаченко В.И. "Бессеточные нейросетевые алгоритмы решения краевых задач" был посвящен новому подходу к численным методам решения краевых задач математической физики, разрабатываемому на кафедре "Компьютерные технологии" ПГУ.

На семинаре были широко представлены работы молодых ученых и аспирантов. Так аспирант Черепанов Ф.М. (научный руководитель д.т.н., профессор Ясницкий Л.Н.) рассказал об оригинальном подходе к предварительной обработке данных для нейронных сетей. В докладе Захариковой Е.Б. "Компьютерное моделирование процессов в системах и сетях массового обслуживания" (научный руководитель д.т.н., профессор Макарычев П.П.) было представлено теоретическое обоснование и исследование моделей и алгоритмов, обеспечивающих расширение функциональных возможностей математического пакета в области компьютерного моделирования систем и сетей массового обслуживания. Доклад Кузнецовой О.Ю. "Нейро-нечеткая система диагностики синдрома эндогенной интоксикации" (научный руководитель д.т.н., профессор Горбаченко В.И.) предложена система медицинской диагностики на основе искусственного интеллекта. В сообщении Жукова М.В. (научный руководитель д.т.н., профессор Горбаченко В.И.) были предложены новые алгоритмы обучения нейронных сетей.