• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Книга
Integral Robot Technologies and Speech Behavior

Kharlamov A. A., Pantiukhin D., Borisov V. et al.

Newcastle upon Tyne: Cambridge Scholars Publishing, 2024.

Глава в книге
Neural Networks for Speech Synthesis of Voice Assistants and Singing Machines

Pantiukhin D.

In bk.: Integral Robot Technologies and Speech Behavior. Newcastle upon Tyne: Cambridge Scholars Publishing, 2024. Ch. 9. P. 281-296.

Препринт
DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Сетевые модели

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Программа дисциплины

Аннотация

Дисциплина «Сетевые модели» нацелена на развитие способностей проводить теоретические и экспериментальные исследования в области анализа сетевых структур. Рассматриваются классические и современные модели случайных графов, модели социальных сетей, сетевые модели финансовых рынков. Важное место в дисциплине уделено современным сетевым моделям информационного поиска. Теоретические положения закрепляются практическими навыками работы с сетевыми моделями с использованием реальных данных. В результате освоения дисциплины аспиранты систематизируют свои знания в области сетевых моделей, осваивают современные методы анализа сетевых структур и их приложения, приобретают навык работы с научной литературой.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины является знакомство обучающихся с современными методами анализа сетевых моделей В результате освоения дисциплины аспирант должен: Знать: основные положения построения и анализа сетевых моделей. Уметь: использовать полученные знания в своей научной и педагогической деятельности Иметь навыки (приобрести опыт): работы с литературой, разработки компьютерных программ сетевого анализа.
Планируемые результаты обучения

Планируемые результаты обучения

  • Уметь анализировать модели случайных графов и выбирать подходящую модель по близости основных характеристик.
  • Уметь анализировать сети и выбирать адекватный алгоритм поиска сообществ в сети.
  • Уметь анализировать сложные сети, выделять сеттевые структуры и оценивать неопределенность идентификации сетевых структур
  • Уметь анализировать социальные сети, выбирать и обосновывать метод анализа, выбирать и обосновывать модель социальной сети.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Случайные графы
  • Поиск сообществ в сетях
  • Модели социальных сетей
  • Сетевые структуры фондовых рынков
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год II семестр
    0.5 * Экзамен + 0.5 * Домашнее задание
Список литературы

Список литературы

Рекомендуемая основная литература

  • Carrington, P. J., Scott, J., & Wasserman, S. (2005). Models and Methods in Social Network Analysis. Cambridge: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=132264
  • Dehmer, M., & Basak, S. C. (2012). Statistical and Machine Learning Approaches for Network Analysis. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=465414
  • Kadry, S., & Al-Taie, M. Z. (2014). Social Network Analysis : An Introduction with an Extensive Implementation to a Large-scale Online Network Using Pajek. Oak Park, IL: Bentham Science Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=694016
  • Scott, J. (DE-588)132315661, (DE-576)299070239. (2009). Social network analysis : a handbook / John Scott. Los Angeles [u.a.]: Sage. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.307646734

Рекомендуемая дополнительная литература

  • Fu, X., Luo, J.-D., & Boos, M. (2017). Social Network Analysis : Interdisciplinary Approaches and Case Studies. Boca Raton, FL: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1499393
  • Lee, H., & Sohn, I. (2015). Fundamentals of Big Data Network Analysis for Research and Industry. Chichester, UK: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1100477
  • Luke, D. A. (2015). A User’s Guide to Network Analysis in R. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1114415
  • Mohammed Zuhair Al-Taie, Seifedine Kadry (2017) Python for Graph and Network Analysis. Springer International Publishing AG. https://link.springer.com/content/pdf/10.1007%2F978-3-319-53004-8.pdf
  • Nooy, W. de, Mrvar, A., & Batagelj, V. (2005). Exploratory Social Network Analysis with Pajek. New York: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=138973
  • Palumbo, F., International Federation of Classification Societies, Montanari, A., & Vichi, M. (2017). Data Science : Innovative Developments in Data Analysis and Clustering. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1548455
  • Колчин, В. Ф. Случайные графы : учебное пособие / В. Ф. Колчин. — 2-е изд. — Москва : ФИЗМАТЛИТ, 2004. — 256 с. — ISBN 5-9221-0486-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/59361 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.