Темы конференции — нейронаука, психология, лингвистика, математическое моделирование и ИИ. Если вам откликаются темы, то теперь у вас есть что почитать на выходных
Константин Анохин — гиперсетевая теория и когнитом
Представил гиперсетевую теорию высших функций мозга и понятие когнитома. В этой концепции сознание и субъективность возникают не в отдельной области мозга, а как системное свойство сети взаимодействующих нейронных ансамблей и следов индивидуального опыта. Ключевая идея состоит в том, что отдельные нейронные элементы и локальные сети объединяются в более сложную самоорганизующуюся архитектуру, способную формировать целостный субъективный опыт. Такой подход позволяет рассматривать сознание не как функцию одного «центра», а как результат организации и взаимодействия множества распределённых процессов в мозге.
🔗 Статья о когнитоме
Евгений Витяев — «Математически точный искусственный интеллект, основанный на моделях когнитивных процессов»
Представил работу «Математически точный искусственный интеллект, основанный на моделях когнитивных процессов». Его подход строится вокруг идеи, что мозг обнаруживает причинные связи во внешнем мире и использует их для прогнозирования. Автор формализует так называемые максимально специфические вероятностные правила и показывает, как из них можно получать непротиворечивые предсказания, устойчивые категории и модели восприятия и сознания.
🔗 Статья
Оксана Ещенко — межрегиональные взаимодействия мозга при пространственном обучении и навигации у крыс
Рассказывала о межрегиональных взаимодействиях мозга при пространственном обучении и навигации у крыс. В эксперименте одновременно регистрировали активность гиппокампа, префронтальной коры и таламического ядра reuniens; переход от исследования среды к целенаправленной навигации сопровождался усилением бета-синхронизации между гиппокампом и reuniens, а при навигационных ошибках эта связь ослабевала. Практически полная версия этой работы опубликована как препринт Hippocampus-reuniens beta coupling supports goal-directed spatial navigation, где показано, что сила этой связи растёт по мере повышения эффективности навигации.
🔗 Препринт
Булат Батуев и Сергей Сухов — управление направлением передачи активности между популяциями импульсных нейронов
Исследовали, как управлять направлением передачи активности между популяциями импульсных нейронов. Они моделировали LIF-нейроны и с помощью спектральных методов, включая partial directed coherence, оценивали, в каком направлении распространяется информация между популяциями. В опубликованной работе авторы показывают, что изменение режима внешнего воздействия и даже уровня фонового шума позволяет менять или инвертировать направление информационного потока в импульсной сети.
🔗 Статья
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤3
🎓 — Семинар 2. Интеллектуальный 3D-трекинг для построения графов сцены и ответов на вопросы по видео | Зимина Софья, Макаров Владислав
На семинаре будет рассматриваться метод построения 3D-графа сцены по видео на основе интеллектуального трекинга объектов. Трекер объединяет сегментацию SAM3, 3D-реконструкцию Depth Anything 3, визуальные признаки DINOv3 и оценку движения, формируя устойчивые идентификаторы объектов и накапливая их геометрию во времени. Полученное объектно-ориентированное представление используется для генерации и проверки visual question answering (VQA). В докладе особое внимание будет уделено вопросам, требующим глобального понимания сцены: подсчёту уникальных объектов и сравнению их размеров на основе восстановленной 3D-геометрии.
👉🏻 Дата: 17.09.25, четверг в 17:00
📹 Трансляция Youtube или ВК
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#cv
На семинаре будет рассматриваться метод построения 3D-графа сцены по видео на основе интеллектуального трекинга объектов. Трекер объединяет сегментацию SAM3, 3D-реконструкцию Depth Anything 3, визуальные признаки DINOv3 и оценку движения, формируя устойчивые идентификаторы объектов и накапливая их геометрию во времени. Полученное объектно-ориентированное представление используется для генерации и проверки visual question answering (VQA). В докладе особое внимание будет уделено вопросам, требующим глобального понимания сцены: подсчёту уникальных объектов и сравнению их размеров на основе восстановленной 3D-геометрии.
👉🏻 Дата: 17.09.25, четверг в 17:00
📹 Трансляция Youtube или ВК
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#cv
❤7🔥4
Мы часто рассказываем про исследования, статьи и стажировки. Но за пределами лабораторий наша работа дополняется популяризацией робототехники. Студент нашей магистратуры Карташов Георгий наставляет команду 20042 Time Walk из Школы №1566 по направлению FIRST Tech Challenge.
Этим летом команда вернулась с международного чемпионата Istanbul FIRST Premier Event. Это международная программа и серия соревнований по робототехнике для популяризации STEM-компетенций среди молодёжи. В соревнованиях участвовали 74 команды из более чем 20 стран, отобранные по итогам региональных турниров.
Результаты команды:🔹 Победа в номинации за развитие связей с научным и техническим сообществом🔹 3 место в матчах на игровом поле в рамках своего дивизиона
Георгий внёс большой вклад в подготовку ребят к матчам и собеседованиям с экспертами. Давайте поздравим наставника и его команду Time Walk!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17❤6👏2
🎓 — Семинар 3. Анализ динамики обучения и геометрии представлений в глубоких нейронных сетях | Шокоров Вячеслав
На семинаре выпускник МФТИ, ФПМИ, Вячеслав Шокоров расскажет о своей диссертационной работе. Она посвящена разработке единого теоретического подхода к описанию внутренних механизмов преобразования сигнала и динамики обучения в глубоких нейронных сетях.
В основе предлагаемого метода лежит геометрическая концепция нелинейных нуль-пространств, позволяющая разделить влияние глубины и ширины модели, а также интерпретировать процесс обучения классификатора как последовательное подавление признаков описывающих внутриклассовую вариабельность при сохранении межклассовых различий. С точки зрения данного формализма описывается семантическая роль операции центрирования как иерархического фильтра фоновых признаков. Также предлагается декомпозиция весовых матриц для выявления шумовых и сигнальных компонент, что позволяет построить эффективный алгоритм оценки качества изображений.
Кроме того, разработана интерпретируемая декомпозиция функции потерь CosFace на компоненты притягивания и отталкивания, существенно снижающая вычислительную сложность обучения модели. В совокупности полученные результаты формируют целостную картину работы ключевых архитектурных блоков модели, повышая интерпретируемость, предсказуемость и эффективность нейросетей в прикладных задачах классификации.
👉🏻 Дата: 24.09.26, четверг в 17:00
📹 Трансляция: YouTube или ВКонтакте
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
На семинаре выпускник МФТИ, ФПМИ, Вячеслав Шокоров расскажет о своей диссертационной работе. Она посвящена разработке единого теоретического подхода к описанию внутренних механизмов преобразования сигнала и динамики обучения в глубоких нейронных сетях.
В основе предлагаемого метода лежит геометрическая концепция нелинейных нуль-пространств, позволяющая разделить влияние глубины и ширины модели, а также интерпретировать процесс обучения классификатора как последовательное подавление признаков описывающих внутриклассовую вариабельность при сохранении межклассовых различий. С точки зрения данного формализма описывается семантическая роль операции центрирования как иерархического фильтра фоновых признаков. Также предлагается декомпозиция весовых матриц для выявления шумовых и сигнальных компонент, что позволяет построить эффективный алгоритм оценки качества изображений.
Кроме того, разработана интерпретируемая декомпозиция функции потерь CosFace на компоненты притягивания и отталкивания, существенно снижающая вычислительную сложность обучения модели. В совокупности полученные результаты формируют целостную картину работы ключевых архитектурных блоков модели, повышая интерпретируемость, предсказуемость и эффективность нейросетей в прикладных задачах классификации.
👉🏻 Дата: 24.09.26, четверг в 17:00
📹 Трансляция: YouTube или ВКонтакте
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
🔥5❤4
🎓 — Семинар 4. Следование языковым инструкциям в воплощённой среде: планирование с LLM и явные модели мира | Анатолий Онищенко
На семинаре аспирант нашего Центра рассмотрит задачу следования языковой инструкции в домашних и офисных средах, где робот должен по инструкции определить цель и выполнить действия для её достижения. Сделает обзор подходов к высокоуровневому планированию на основе больших языковых моделей.
Отдельное внимание будет уделено надёжности планирования, то есть способам проверки действий, предложенных языковой моделью, а также явным моделям мира, которые можно использовать при планировании и интерпретировать.
В завершение обсудим проблемы оценки таких систем и существующих бенчмарков, а также наш подход к их решению.
👉🏻 Дата: 01.10.26, четверг в 17:00
📹 Трансляция: YouTube или ВКонтакте
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
На семинаре аспирант нашего Центра рассмотрит задачу следования языковой инструкции в домашних и офисных средах, где робот должен по инструкции определить цель и выполнить действия для её достижения. Сделает обзор подходов к высокоуровневому планированию на основе больших языковых моделей.
Отдельное внимание будет уделено надёжности планирования, то есть способам проверки действий, предложенных языковой моделью, а также явным моделям мира, которые можно использовать при планировании и интерпретировать.
В завершение обсудим проблемы оценки таких систем и существующих бенчмарков, а также наш подход к их решению.
👉🏻 Дата: 01.10.26, четверг в 17:00
📹 Трансляция: YouTube или ВКонтакте
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
❤9🔥1