Mirkes, Evgeny Moiseevich

Evgeniy Moiseevich Mirkes (narozen 20. ledna 1964 , Krasnojarsk , SSSR ) je ruský matematik a programátor, specialista v oblasti matematického modelování , aplikované matematiky a programování , vývojář metod pro trénování umělých neuronových sítí a standardů pro jejich programování a výcvik. Doktor fyzikálních a matematických věd.

Vzdělávání

E. M. Mirkes projevoval zájem o aplikovanou matematiku a programování od dětství. Je jedním z nejznámějších studentů letní školy v Krasnojarsku , nepostradatelným účastníkem a vítězem různých regionálních školních soutěží. Svou první vědeckou práci k publikaci v ústředním vědeckém časopise [1] připravil během studia na 3. ročníku Krasnojarské univerzity . Vystudoval Matematickou fakultu Krasnojarské univerzity v roce 1985. V roce 1990 obhájil dizertační práci "Apriorní odhady v přímém kinetickém problému", provedenou pod vedením V. I. Bykova a A. N. Gorbana . Doktorskou disertační práci „Functional models of a universal neurocomputer“ [2] obhájil v roce 2001 (vědecký konzultant A. N. Gorban ). Profesor katedry neuropočítačů. V současné době působí na University of Leicester ve Velké Británii.

Hlavní vědecké výsledky

Matematická chemie , chemická termodynamika a kinetika

• Prokázal konvexnost termodynamických Ljapunovových funkcionálů pro problémy chemické kinetiky v neizotermických podmínkách.
• Vytvořené metody a software pro snížení nejistoty kinetických konstant složitých chemických reakcí s přihlédnutím k termodynamickým omezením a principu podrobné rovnováhy . Metody jsou určeny pro vytváření kinetických modelů a pro použití v kinetických databankách [3]
• Na základě Rumer  - Feta skupinové klasifikace chemických prvků získal nové hmotnostní vzorce pro atomy . [čtyři]
• Vyvinul nový systém pro predikci vlastností chemických prvků, atomů a molekul – metodu multipletních povlaků. [5] [6] Klasický problém obnovy chybějících dat je řešen v následující formulaci: najít pro každý objekt nejlepší vzorec, který vyjadřuje jeho vlastnosti prostřednictvím vlastností jiných objektů (které by měly být co nejmenší). Tento vzorec musí být invariantní s ohledem na měnící se měřítka měření. Tento přístup je podrobně popsán v následujícím článku A. N. Kirdina a kol., dostupného online. [7]
• Ve své doktorské práci získal v jistém smyslu nejlepší (nezlepšitelné) odhady relaxační doby chemického systému.

Neuroinformatika

• Byl vyvinut funkční model univerzálního neuropočítače . Jsou stanoveny zásady výběru funkčních součástí. Rozklad neuropočítače na funkční komponenty byl proveden v souladu s navrženými principy. Je ukázána univerzálnost vyvinutého modelu - možnost implementace všech hlavních typů neuronových sítí v rámci tohoto modelu. Navržený model umožňuje odůvodněné srovnání různých implementací jednotlivých komponent neuropočítače, sledovat vztah mezi komponentami.
• Pro každou komponentu byl vytvořen úplný (vyčerpávající) seznam požadavků. To umožňuje při vývoji velkých softwarových systémů vyvíjet každou komponentu nezávisle na ostatních. Jasná definice funkcí každé komponenty umožňuje vyvinout nejefektivnější implementace pro každou komponentu nezávisle na ostatních komponentách.
• Byl vyvinut princip konstrukce nového typu hodnocení, nazývaného funkce efektivního hodnocení. Efektivita navrženého typu odhadů spočívá v tom, že jejich použití umožňuje urychlit trénování neuronové sítě, posoudit míru důvěry neuronové sítě v přijatou odpověď, trénovat síť s nízkou spolehlivostí pro řešení těch problémů, které síť této architektury nemůže řešit s vysokou spolehlivostí, vezmeme-li v úvahu rozdíl v učení ve spolehlivosti odpovědí v různých příkladech.
• Byla vyvinuta metoda pro získávání explicitních znalostí z dat pomocí logicky transparentních neuronových sítí získaných z libovolných trénovaných sítí speciálním kontrastním (skeletonizačním) postupem. Ve většině případů je možné získat schéma verbální inference.
• Byla vyvinuta metoda pro konstrukci minimálních požadovaných souborů vstupních dat a na jejich základě sestavování souborů vstupních dat se zvýšenou spolehlivostí (odolností vůči zkreslení vstupních dat).
• Byla vyvinuta metoda pro konstrukci neuronových sítí z nejjednodušších prvků a jednodušších sítí. Je navržena metoda pro popis procesu návrhu a jazyk pro záznam jeho výsledku.
• Získají se odhady schopnosti asociativní paměťové sítě přesně reprodukovat vzory. Byly vyvinuty metody pro zvýšení informační kapacity. Byly vybudovány tři sítě asociativní paměti, které mají velkou informační kapacitu a jsou méně závislé na stupni korelace standardů než klasické verze Hopfieldových sítí .
• Vyvinutý funkční model byl částečně implementován do řady vzdělávacích a výzkumných softwarových produktů. Programy vytvořené E.M. Mirkesem a pod jeho vedením jsou široce používány ve vzdělávacím procesu v Rusku (pod obecným názvem „Neuroučebnice“ [8] ).

The Neurocomputer: Draft Standard book

Většina výsledků E. M. Mirkese o neuroinformatice je shrnuta v jeho monografii. [9] Z autorovy předmluvy ke knize:

Dlouhodobé úsilí mnoha výzkumných skupin vedlo k tomu, že se v současnosti nashromáždilo velké množství různých „pravidel učení“ a architektur neuronových sítí, způsobů hodnocení a interpretace jejich práce, metod využití neuronových sítí k řešení aplikovaných problémy.

Doposud tato pravidla, architektury, systémy hodnocení a interpretace, způsoby použití a další intelektuální nálezy existují ve formě „zoo“ sítí. Každá síť zoo má svou vlastní architekturu, pravidlo učení a řeší specifickou sadu problémů.

Navrhujeme systematizovat "zoo". K tomu je užitečný následující přístup: každá neuronová síť ze zoo by měla být reprezentována jako implementovaná na ideálním neuropočítači s danou strukturou. Tento přístup slouží dvěma účelům. Nejprve udělejte programy pro neuronové sítě kompatibilní ve způsobu, jakým popisují neuronové sítě a související komponenty, což výrazně zjednoduší život uživatelů aplikací neuronových sítí. Za druhé, jednotný přístup k popisu umožňuje správně porovnávat různé architektury neuronových sítí a algoritmy učení. … Myšlenka napsat tuto knihu se zrodila na základě dvanáctileté práce skupiny Krasnojarsk NeuroComp.

Kniha „Osobní charakteristiky a užívání drog. Příběh vyprávěný daty"

Tato kniha Mirkese et al [10] zkoumá psychologické charakteristiky spojené s užíváním drog analýzou nové databáze 1885 respondentů a 18 užívání drog. Je uveden podrobný přehled publikovaných prací o psychologických profilech uživatelů drog. Podrobně jsou popsány metody používané pro dolování dat a strojové učení.

Ukázalo se, že osobnostní rysy ( pětifaktorový model , impulzivita a vyhledávání senzací ) spolu s jednoduchými demografickými údaji predikují riziko individuálního užívání drog s citlivostí a specificitou nad 70 % pro většinu drog. Jsou analyzovány korelace užívání různých látek . Jsou popsány skupiny léků ("plejády") s korelovaným užíváním.

Kniha je součástí většího výzkumného programu Stories Told by Data.

Pedagogická práce

E. M. Mirkes se již od studentských let věnuje výuce a práci se schopnými studenty. V roce 1990 spolu s A.N. Gorbanem zorganizoval první celosvazovou olympiádu v neuroinformatice mezi studenty a školáky Sovětského svazu. Cestovali jsme s přednáškami a speciálně připraveným softwarem do mnoha měst v zemi, distribuovali a poté sbírali úkol korespondenčního turné, po kterém jsme sestavili celodenní turné „uprostřed“ - v Omsku .

Od rozhovoru s E. M. Mirkesem k novinám „První září“ o „jiném vzdělávání“ :

- Můžete popsat algoritmus, jak přimět děti myslet?

"To nejsou počítače, jsou to lidé."

Alespoň v obecné rovině.

Samozřejmě to musí být těžké. Co je snadné, není doceněno. V podstatě nedoceněno. A úkoly by měly zaujmout. Musí být předurčeni k úspěchu. A děti by tento úspěch měly pocítit. Během studia musí dosáhnout výsledku, radovat se z něj, pochopit, že je významný. Když jim pak život klade otázky, vezmou si je a vyřeší.

A školáci na Krasnojarské letní škole zpívají svou píseň „Mám rusovlasého Mirkese“ .

Poznámky

1. ↑ Bykov V. I., Mirkes E. M. , O konvexitě termodynamických funkcí pro neizotermické podmínky, Journal of Physical Chemistry, 1986, vol. 60, č. 3, 732-734.
2. ↑ Mirkes E.M. , Funkční modely univerzálního neuropočítače Archivní kopie z 6. března 2016 na Wayback Machine : Dis. ... Dr. tech. Sciences: 05.13.11 Krasnojarsk, 2001. Další online kopie:
3. ↑ Gorban A. N., Mirkes E. M., Bocharov A. N., Bykov V. I. , Termodynamická shoda kinetických dat, Physics of Combustion and Explosion, 1989, vol. 25, č. 5, 81-89.
4. ↑ Mirkes E. M., Svitin A. P., Fet A. I. , Hmotnostní vzorce pro atomy. - V knize: Matematické modelování v biologii a chemii. Nové přístupy, - Novosibirsk: Věda. Sib. oddělení, 1991. - str. 199-203.
5. ↑ Gorban A. N., Mirkes E. M., Svitin A. P. , Metoda multipletních povlaků a její použití pro predikci vlastností atomů a molekul, Journal of Physical Chemistry, 1992, č. 66, 1504-1510.
6. ↑ Gorban A. N., Mirkes E. M., Svitin A. P. , Semi-empirická metoda pro klasifikaci atomů a interpolaci jejich vlastností. - V knize: Matematické modelování v biologii a chemii. Nové přístupy, - Novosibirsk: Věda. Sib. oddělení, 1991. - str. 204-220.
7. ↑ Kirdin A. N., Novokhodko A. Yu., Tsaregorodtsev V. G. , Skryté parametry a transponovaná regrese, Kapitola 7 v knize: Neuroinformatics Archival copy ze dne 17. dubna 2018 na Wayback Machine / A. N. Gorban, V. L. Dunin-N.Barkovsky Kirdin, E. M. Mirkes, A. Yu Novochodko, D. A. Rossiev, S. A. Terekhov, M. Yu. Senashova, V. G. Tsaregorodtsev. - Novosibirsk: Věda. Sibiřský podnik Ruské akademie věd, 1998. - 296 s. ISBN 5020314102
8. ↑ Mirkes E.M. , Neuroinformatika . Studijní příručka, Archivováno 11. června 2008 na Wayback Machine 2003. ISBN 5-7636-0477-6
9. ↑ Mirkes E.M. , Neurocomputer. Návrh standardního archivního výtisku ze dne 15. června 2009 ve Wayback Machine / edited by V. L. Dunin-Barkovsky. - Novosibirsk: Nauka, 1999. - 337 s ISBN 5-02-031409-9 Další výtisky online: [1] .
10. ↑ Osobnostní rysy a konzumace drog. Příběh vyprávěný datem . - Springer, Cham, 2019. - ISBN 978-3-030-10441-2 . - doi : 10.1007/978-3-030-10442-9 .

Externí odkazy

V současné době spolu s katedrou matematiky Univerzity v Leicesteru (Velká Británie) E.M. Mirkes vytváří online učebnici analýzy dat. Byly zveřejněny první tři applety.

• kNN a potenciální energie (applet), E.M. Mirkes a University of Leicester. Applet umožňuje porovnat dvě klasifikační metody.
• K-means a K-medoids , E.M. Mirkes a University of Leicester (aplet, který demonstruje fungování algoritmu a umožňuje prozkoumat a porovnat dvě metody shlukové analýzy).
• PCA, SOM a GSOM E.M. Mirkes a University of Leicester. Analýza hlavních komponent, samoorganizující se mapy a rostoucí samoorganizující se mapy.

V sociálních sítích	LinkedIn
Tematické stránky	Google Scholar Matematická genealogie ORCID ResearcherID ResearchGate Scopus zbMATH Otevřeno Všeruský matematický portál
V bibliografických katalozích	eLibrary.ru : 129708 VIAF : 1159518109232771546 WorldCat VIAF : 1159518109232771546