Семинар «Синтез данных в нейроинформатике: задачи и перспективы в области анализа многовидовых и многомодальных массивных наборов данных»

Neuroscience-applications-are-greatly-developing-world-wide.-Image-courtesy-of-sop.infria.fr_

Image courtesy of sop.infria.fr

Проф. Анджей Цихоцки 

25 августа 2015 г.
13.30 – 15:00
Сколковский институт науки и технологий, TROC-3

О семинаре:

По мере дальнейшего развития разнообразных сенсорных технологий мы получаем возможность доступа к огромным объемам многоблочных данных (также их называют многонаборными, мультиреляционными или многовидовыми). Чтобы исследовать скрытые связи этих данных и извлекать из них скрытые компоненты, эти данные должны анализироваться в совокупности. В формировании таких массивных наборов данных важную роль могут сыграть устройства диспансерного учета и диагностические устройства. Для изучения пространственно разнесенных и меняющихся во времени спектральных различий в многоэлементных многоблочных биосигналах и образах необходимо разработать несколько различных стратегий, базирующихся на использовании принципов многостороннего компонентного анализа и тензорного разложения. В ходе этого семинара проф. Цихоцки вначале представит краткий обзор своих прошлых и текущих исследований, относящихся к слепой обработке сигналов и применению связанных методов компонентного анализа для проведения совместного анализа таких многомерных данных при решении прикладных задач нейроинформатики, в том числе проблем нейро-компьютерного интерфейса, старения человеческого мозга и ранней диагностики психических заболеваний, например, при прогнозировании клинического развития болезни Альцгеймера. Эффективность методов, применяемых при анализе биомедицинских данных, будет подтверждена иллюстрирующими примерами. После этого Анджей обсудит важные специальные и общие проблемы, связанные с тензорным разложением многоблочных конструкций и другими возможными применениями. Анджей покажет, насколько ограниченными являются методы тензорного разложения многоблочных конструкций, применяемые при извлечении общих для всех блоков компонентов посредством внедрения принципа многостороннего характера данных. Особое внимание будет уделено обсуждению задач и перспектив, в частности, при решении задач обработки больших объемов данных.

О спикере:

Проф. Анджей Цихоцки

Проф. Анджей Цихоцки

Проф. ЦИХОЦКИ имеет степени магистра наук (с отличием), кандидата и доктора электротехнических наук, полученные им в Варшавском технологическом университете (Польша). С 1972 г. Анджей работал в Институте теории электротехнического проектирования, измерительных и информационных систем при Варшавском технологическом университете, где в 1995 г. занял должность штатного профессора. При содействии фонда Александра фон Гумбольдта несколько лет проработал в Университете г. Эрлангена (Германия) научным сотрудником и приглашенным профессором. В 1995-1997 гг. был руководителем группы в Лаборатории систем искусственного интеллекта, созданной в рамках осуществления перспективной научно-исследовательской программы института RIKEN (Япония). В настоящее время является старшим руководителем группы и начальником Лаборатории передовых методов обработки мозговых сигналов при Институте мозга RIKEN (ЯПОНИЯ). Автор более 300 публикаций в технических изданиях и 4 монографий (книг) на английском языке (две из которых переведены на китайский язык). Ассоциированный редактор изданий “Труды IEEE по нейронным сетям и обучающим системам”, “Труды IEEE по кибернетике” и “Труды IEEE по обработке сигналов”, был первым главным редактором “Журнала вычислительного интеллекта и нейробиологии”. В настоящее время основными направлениями его научных исследований являются многофакторный анализ, тензорное разложение, слепое разнесение источников, нейрокомпьютерный интерфейс, гиперсканирование EEG, человеко-машинные взаимодействия и их практическое применение. Согласно данным Академии Google его публикации цитировались в общей сложности 25 000 раз (h-индекс составляет 69).

Tweet about this on Twitter0Share on Facebook0Pin on Pinterest0Share on Tumblr0Share on VK