Наши проекты:

Про знаменитості

Євген Мойсейович Міркес: біографія


Євген Мойсейович Міркес біографія, фото, розповіді - відомий фахівець у галузі математичного моделювання, прикладної математики та програмування, розробник методів навчання штучних нейронних мереж та стандартів їх програмування та навчання
День народження 20 січня 1964

відомий фахівець у галузі математичного моделювання, прикладної математики та програмування, розробник методів навчання штучних нейронних мереж та стандартів їх програмування та навчання

Освіта

Інтерес до прикладної математики та програмування у Є. М. Міркеса проявився з дитинства. Він - один з найвідоміших учнів Красноярської річної школи, неодмінний учасник і призер різних регіональних олімпіад школярів. Першу наукову роботу для публікації в центральному науковому журналі підготував, навчаючись на 3 курсі Красноярського університету. Закінчив математичний факультет Красноярського університету в 1985 році. У 1990 році захистив кандидатську дисертацію «Апріорні оцінки в прямої кінетичної задачі», виконану під керівництвом В. І. Бикова й А. Н. Горбаня. Докторську дисертацію «Функціональні моделі універсального нейрокомп'ютера» захистив у 2001 році (науковий консультант О. М. Горбань). Професор кафедри НейроЕВМ.

Основні наукові результати

Математична хімія, хімічна термодинаміка і кінетика

  • У своїй кандидатській дисертації отримав у певному сенсі кращі (неулучшаемие) оцінки часу релаксації хімічної системи.
  • Довів опуклість термодинамічних функціоналів Ляпунова для задач хімічної кінетики в неізотермічних умовах.
  • Розробив нову систему передбачення властивостей хімічних елементів, атомів і молекул - метод мультиплетной покриттів. Вирішується класична проблема відновлення відсутніх даних в такій постановці: знайти для кожного об'єкта найкращу формулу, що виражає його ознаки через ознаки інших об'єктів (яких повинно бути якомога менше). Ця формула повинна бути інваріантна щодо зміни шкал вимірювання. Даний підхід докладно описаний в наступній статті А. Н. Кірдіна та ін, доступною онлайн.
  • Створив методи і програмне забезпечення для скорочення невизначеності в кінетичних константах складних хімічних реакцій з урахуванням термодинамічних обмежень і принципу детального рівноваги. Методи призначені для побудови кінетичних моделей і для використання в банках кінетичних даних
  • На основі групової класифікації хімічних елементів Румера - Фета отримав нові масові формули для атомів.

Нейроінформатика

  • Для кожного компонента розроблено повний (вичерпний) список запитів. Це дозволяє при розробці великих програмних комплексів розробляти кожен компонент незалежно від інших. Чітке визначення функцій кожного компонента дозволяє розробляти для кожного компонента найбільш ефективні реалізації незалежно від інших компонентів.
  • Розроблено метод отримання явних знань із даних за допомогою логічно прозорих нейронних мереж, отримуваних з довільних навчених мереж спеціальною процедурою контрастування (скелетонізаціі) . У більшості випадків вдається отримати вербальну схему логічного висновку.
  • Розроблено принцип побудови нового типу оцінок, названий ефективної функцією оцінки. Ефективність запропонованого типу оцінок полягає в тому, що їх використання дозволяє прискорити навчання нейронної мережі, оцінити рівень впевненості нейронної мережі в отриманій відповіді, навчити з малою надійністю мережа вирішення тих завдань, які мережа даної архітектури не може вирішити з високою надійністю, врахувати при навчанні відмінність в достовірності відповідей в різних прикладах.
  • Отримано оцінки здатності мережі асоціативної пам'яті до точного відтворення еталонів. Розроблено методи, що дозволяють підвищити інформаційну ємність. Побудовано три мережі асоціативної пам'яті, що мають велику інформаційну ємність і менш залежні від ступеня корельованості еталонів, ніж класичні варіанти мереж Хопфілда.
  • Розроблена функціональна модель була частково реалізована у ряді навчальних та дослідних програмних продуктів. Програми, створені Є. М. Міркесом і під його керівництвом, широко використовуються в навчальному процесі в Росії (під загальною назвою «Нейроучебнік »).
  • Розроблено метод побудови мінімально необхідних наборів вхідних даних і побудови на їх основі наборів вхідних даних підвищеної надійності (стійкості до перекручувань у вхідних даних).
  • Розроблено функціональну модель універсального нейрокомп'ютера. Визначено принципи виділення функціональних компонентів. Проведена декомпозиція нейрокомп'ютера на функціональні компоненти відповідно до запропонованих принципів. Показано універсальність розробленої моделі - можливість реалізації в рамках даної моделі всіх основних видів нейронних мереж. Запропонована модель дозволяє проводити аргументоване порівняння різних реалізацій окремих компонентів нейрокомп'ютера, відслідковувати взаємозв'язку між компонентами.
  • Розроблено метод конструювання нейронних мереж з найпростіших елементів і більш простих мереж. Запропоновано спосіб опису процесу конструювання і мова для запису його результату.

Комментарии