SAGTEAM &nmdash; это группа учёных ведущих научных и учебных заведений, занимающихся методами машинного обучения, анализа данных, нейронных сетей и математического моделирования, применительно к различным прикладным областям. Коллективом с 2011 года активно проводятся исследования в области разработки и применения интеллектуальных методов для анализа разнородных данных: тексты, временные ряды, аудиоданные, изображения и сигналы. За это время накоплен большой опыт в выполнении научных исследований как фундаментального, так и прикладного характера.
В части текстового анализа коллективом разработаны и усовершенствованы модели морфо-синтаксического анализа, выделения ключевых слов, поиска вложенных тем в заданном наборе документов, оценки эмоциональной окраски сообщений и аспектной тональности, определения профиля автора текста, в частности пола и возраста. За последние годы подготовлен корпус интернет отзывов о лекарственных средствах с разметкой для задач распознавания именованных сущностей, поиска связей между ними и связи с заданным словарем (Entity linking или нормализация), и разработаны соответствующие модели.
В части временных рядов коллективом разработаны модели для определения параметров технических процессов для областей металлопроката и нефте-газодобычи, определения динамики развития эпидемий на примере мировых данных о пандемии COVID-19.
Направление анализа аудиоданных связано с возможностью реализации энергоэффективных вычислительных средств на базе нейроморфных процессоров и спайковых нейронных сетей (СНС). Коллективом разработано несколько моделей обучения СНС как на базе биоподобных правил обучения, так и с помощью алгоритмов переноса уже обученных нейросетевых моделей.
Направление обработки изображений и сигналов исследуется в рамках работ по созданию интерфейса управления движением агента в среде с использованием голосовых команд и направления взгляда оператора. Созданы модули анализа направления взгляда оператора на изображение с камеры агента в среде и анализа команд оператора (распознавание целевых атрибутов команд: объекты, скорость, направление движения; восстановление пропущенных слов; приоритизация выполнения команд и др.). Проведена разработка прототипа интерфейса управления движением агента. На основе технологии обучения с подкреплением разработана нейросетевая модель управления движением агента при решении задачи “следования за лидером”.
Коллектив выполнил и продолжает выполнять ряд проектов по анализу текстовой информации, построению диагностических систем в медицинской сфере, анализу производственных процессов, решению задач управления и разработке эффективных моделей спайковых нейронов для реализации на нейроморфных вычислительных устройствах. Мы активно сотрудничаем с российскими ВУЗами, члены коллектива выполняют научное руководство подготовкой выпускных работ бакалавров, магистров и аспирантов МФТИ, МИФИ, РТУ МИРЭА, МГУ.
Рады сотрудничеству!
коллектив группы приступил к проекту РНФ Разработка эффективных методов обучения спайковых нейронных сетей для реализации на создаваемых перспективных энергоэффективных нейропроцессорах.
6–10 февраля 2023Р. Б. Рыбка выступил с докладом на конференции 2-nd SCO Young Scientist’ Conclave Bengaluru, India
Май 2023коллектив участвует в проекте RSF-NSFC Подходы нелинейной математической физики для изучения процессов в волоконных лазерах и нелинейного управления и возбуждения новых солитонных локализованных мод.