Forwarded from РИА Новости
Российские ИИ-сервисы, разрабатываемые "Яндексом" и "Сбером", сопоставимы по качеству с ChatGPT, сообщил глава Минцифры Максут Шадаев
Forwarded from База знаний AI
В Новгородском госуниверситете разрабатывают ML-модели для айтрекера
Устройство отслеживает движение глаз и позволяет с помощью взгляда управлять компьютером. Пока ученые создали две модели машинного обучения из трех необходимых.
Первая модель определяет на фотографиях рамки лиц, вторая — ключевые точки: глаза, брови, нос и рот. Третья будет предсказывать, куда падает взгляд человека.
Для обучения двух первых решений использовался датасет из открытых источников, его отредактировали и дополнили. Тест проводился на закрытом датасете, к которому у разработчиков не было доступа. Для третьей модели, по словам разработчиков, открытых данных не существует. Они планируют собирать их самостоятельно.
🔗 Источник: https://tass.ru/nauka/24118383
***
📎 Исследователи НИУ ВШЭ в конце 2024 года представили Python-библиотеку EyeFeatures. Она предназначена для анализа и моделирования движения глаз. Инструмент дает возможность обрабатывать сложные данные и строить предсказательные модели.
Устройство отслеживает движение глаз и позволяет с помощью взгляда управлять компьютером. Пока ученые создали две модели машинного обучения из трех необходимых.
Первая модель определяет на фотографиях рамки лиц, вторая — ключевые точки: глаза, брови, нос и рот. Третья будет предсказывать, куда падает взгляд человека.
Для обучения двух первых решений использовался датасет из открытых источников, его отредактировали и дополнили. Тест проводился на закрытом датасете, к которому у разработчиков не было доступа. Для третьей модели, по словам разработчиков, открытых данных не существует. Они планируют собирать их самостоятельно.
🔗 Источник: https://tass.ru/nauka/24118383
***
📎 Исследователи НИУ ВШЭ в конце 2024 года представили Python-библиотеку EyeFeatures. Она предназначена для анализа и моделирования движения глаз. Инструмент дает возможность обрабатывать сложные данные и строить предсказательные модели.
Forwarded from База знаний AI
В НИУ ВШЭ и AIRI представили метод GSOFT для ускорения дообучения нейросетей
Подход предназначен для ортогональной донастройки нейросетей. Он основан на новом способе построения ортогональных матриц «Группируй и перемешивай» (Group-and-Shuffle).
Вместо работы со всеми данными способ Group-and-Shuffle предполагает деление параметров на небольшие группы, их обработку и перемешивание. По словам ученых, созданные GS-матрицы позволяют моделям точнее подстраиваться под задачу и требуют меньше вычислений и памяти по сравнению с другими популярными методами ортогональной донастройки.
Утверждается, что метод GSOFT сохраняет стабильность и качество обучения при малом объеме данных. Ученые также предложили двусторонний вариант — Double GSOFT. Он позволяет изменять параметры сразу с двух сторон. Это повышает гибкость и точность модели.
Подходы протестировали на трех типах задач: на дообучении языковой модели RoBERTa, генерации изображений с сохранением элементов оригинала, а также на сверточных нейросетях, которые используются для анализа изображений и видео. Как утверждается, во всех случаях метод работал лучше аналогов.
📃 Исследование было представлено на конференции NeurIPS 2024.
🔗Источник: https://www.hse.ru/news/science/1053477440.html
***
📎Ученые AIRI, «Сколтеха», Томского политехнического университета и «Сбера» ранее в июне 2025 года предложили подход для ускорения разработки новых материалов с помощью искусственного интеллекта. Их подход снижает количество расчетов при дообучении графовых нейросетей предсказанию свойств материалов.
Подход предназначен для ортогональной донастройки нейросетей. Он основан на новом способе построения ортогональных матриц «Группируй и перемешивай» (Group-and-Shuffle).
Вместо работы со всеми данными способ Group-and-Shuffle предполагает деление параметров на небольшие группы, их обработку и перемешивание. По словам ученых, созданные GS-матрицы позволяют моделям точнее подстраиваться под задачу и требуют меньше вычислений и памяти по сравнению с другими популярными методами ортогональной донастройки.
Утверждается, что метод GSOFT сохраняет стабильность и качество обучения при малом объеме данных. Ученые также предложили двусторонний вариант — Double GSOFT. Он позволяет изменять параметры сразу с двух сторон. Это повышает гибкость и точность модели.
Подходы протестировали на трех типах задач: на дообучении языковой модели RoBERTa, генерации изображений с сохранением элементов оригинала, а также на сверточных нейросетях, которые используются для анализа изображений и видео. Как утверждается, во всех случаях метод работал лучше аналогов.
📃 Исследование было представлено на конференции NeurIPS 2024.
🔗Источник: https://www.hse.ru/news/science/1053477440.html
***
📎Ученые AIRI, «Сколтеха», Томского политехнического университета и «Сбера» ранее в июне 2025 года предложили подход для ускорения разработки новых материалов с помощью искусственного интеллекта. Их подход снижает количество расчетов при дообучении графовых нейросетей предсказанию свойств материалов.
Forwarded from ЛИТ ОИЯИ / MLIT JINR
Ведущий программы – Арутюн Аветисян, академик РАН, директор Института системного программирования им. В.П. Иванникова РАН @ispras
Гости программы:
🗣 Иван Ященко
директор Московского центра непрерывного математического образования
🗣 Дауд Мамий
ректор Адыгейского государственного университета
🗣 Александр Гасников
ректор Университета Иннополис, профессор МФТИ, специалист в области теории и численных методов оптимизации.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from ОИЯИ / JINR
#jinr_archive
📸 Главный инженер ЛВТА Сергей Щелев, директор ОИЯИ академик Николай Боголюбов, директор ЛВТА член-корреспондент АН СССР Михаил Мещеряков у центрального процессора новой ЭВМ ЕС-1060
Электронная вычислительная машина ЕС-1060 была третьей базовой ЭВМ, наряду с БЭСМ-6 и CDC-6500, Центрального вычислительного комплекса Объединённого института.
Машина отличалась высокой производительностью — около 1 миллиона операций в секунду, что было значительным достижением для того времени. Объем оперативной памяти составлял от 2 до 8 Мбайт.
В ЛВТА разработали специальную версию операционной системы, отличающуюся от заводской. Также была адаптирована библиотека программ общего назначения (около 280 программ) и внедрена подсистема ТЕРМ, обеспечивающая ввод заданий в ЭВМ через терминалы.
ЭВМ ЕС-1060 использовалась для решения сложных научных и технических задач, а также для обработки большого объема экспериментальной информации, поступающей с ускорителей и других установок ОИЯИ.
Фото сделано Юрием Тумановым в 5 июня 1981 года
Please note that the post in English is available via the link.
📸 Главный инженер ЛВТА Сергей Щелев, директор ОИЯИ академик Николай Боголюбов, директор ЛВТА член-корреспондент АН СССР Михаил Мещеряков у центрального процессора новой ЭВМ ЕС-1060
Электронная вычислительная машина ЕС-1060 была третьей базовой ЭВМ, наряду с БЭСМ-6 и CDC-6500, Центрального вычислительного комплекса Объединённого института.
Машина отличалась высокой производительностью — около 1 миллиона операций в секунду, что было значительным достижением для того времени. Объем оперативной памяти составлял от 2 до 8 Мбайт.
В ЛВТА разработали специальную версию операционной системы, отличающуюся от заводской. Также была адаптирована библиотека программ общего назначения (около 280 программ) и внедрена подсистема ТЕРМ, обеспечивающая ввод заданий в ЭВМ через терминалы.
ЭВМ ЕС-1060 использовалась для решения сложных научных и технических задач, а также для обработки большого объема экспериментальной информации, поступающей с ускорителей и других установок ОИЯИ.
Фото сделано Юрием Тумановым в 5 июня 1981 года
Please note that the post in English is available via the link.