Тематика LION11

11-я международная конференция "Машинное обучение и интеллектуальная оптимизация"

Фотографии работы конференции

Конференция LION11 в Нижнем Новгороде продолжает успешную серию конференций LION (1.Andalo, 2.Trento, 3.Trento, 4.Venice, 5.Rome, 6.Paris, 7.Catania, 8.Gainesville, 9.Lille, 10.Ischia). Мероприятие направлено на представление и объединение результатов из областей машинного обучения, искусственного интеллекта, математического программирования и параллельных алгоритмов для решения сложных задач оптимизации. Проведение конференции в Нижнем Новгороде дает отличную возможность для обмена идеями среди самого широкого круга представителей науки, промышленности, бизнеса, образования — всех тех, кто связан с задачами оптимального выбора. В частности, в рамках конференции планируется организовать:

• Конкурсы по непрерывной глобальной оптимизации (далльнейшее развитие конкурса GENOPT ), а также по избранным проблемам дискретной оптимизации.
• Специальные секции, посвященные коммерческому и свободному программному обеспечению..
• Параллельные, суперкомпьютерные и облачные вычисления для "больших" задач оптимизации.
• Короткие презентации новых "сумасшедших" идей (в том числе и от аспирантов) перед потенциальными инвесторами (elevator pitches).
• Мастер-классы по методам и программам.

Важные даты

• 10 сентября 2016 — информационное письмо о семинарах, конкурсах, выставках (срок подачи заявок до 10 октября 2016)
• 18 декабря 25 декабря 2016 — представление материалов докладов
• 10 марта 2017 — уведомление о включении доклада в программу конференции
• 19-21 июня 2017 — рабочие дни конференции LION11
• 7-я международная конференция по сетевому анализу — 22-24 июня 2017

Первое информационное письмо ( .pdf, .doc)

Приглашенные докладчики

• Ренато Дэ Леоне, Камерино, Италия
       Название: Использование grossone в оптимизации: обзор достижений и избранные результаты
• Панос Пардалос, Гайнсвилль, США
       Название: Количественные оцнеки неоднородностей в сетях и их практическое применение
       Аннотация: В докладе будет обсуждаться новый способ получения количественных оценок неоднородностей в сетях, будут приведены результаты сравнения его производительности с другими известными инструментами. Эффективность предложенного способа измерения, основанного на теории информации, зависит от использования информации, полученной из графов. Будет показано, что данный способ имеет многообещающее практическое значение во вногих областях исследований, например, биоинформатике, исследованиях климата, перколяций в сетях, надежности сетей и т.д. В докладе будут представлены результаты масштабных вычислительных экспериментов на реальных и искусственных сетях. Также будут обсуждаться направления дальнейших исследований.
  Соавторы работы - T. Schieber, M.G. Ravetti, и L. Carpi.
    -   T.A. Schieber, L. Carpi, A. Díaz-Guilera, P.M. Pardalos, C. Masoller, M.G. Ravetti. Quantification of network structural dissimilarities . Nature Communications (2017) Jan 9;8:13928.
    -   T.A. Schieber, L. Carpi, A.C. Frery, O.A. Rosso, P.M. Pardalos, and M.G. Ravetti. Information Theory Perspective on Network Robustness. Physics Letters A (2016) vol. 380(3), pp. 359-364.
    -   T.A. Schieber, M.G. Ravetti, P.M. Pardalos. A Review on Network Robustness from an Information Theory Perspective . DOOR 2016, Lecture Notes in Computer Science (2016) vol. 9869, pp. 50-60.
• Юлиус Жилинскас, Вильнюс, Литва
       Название: Глобальная оптимизация: детерминированные алгоритмы
       Аннотация: В докладе будут рассмотрены детерминированные алгоритмы для решения задач глобальной оптимизации, в которых целевая функция является ‘black box’-функцией и обладает большим числом локальных экстремумов. Предполагается, что целевая функция удовлетворяет условию Липшица. Будет дан обзор методов липшицевой оптимизации. Здесь типичным является случай, когда константа Липшица является неизвестной. Для данного класса задач будут изложены алгоритмы, основанные на идеях метода DIRECT, когда рассматривается множество возможных значений константы Липшица. Будут обсуждаться различные способы разбиения области поиска на подобласти (на гиперпараллелепипеды или симплексы), их достоинства и недостатки. Также будут обсуждаться различные стратегии выбора подобласти поиска для оценки значений оптимизируемой функции в них.
• Ненад Младенович, Белград, Сербия
       Название: 'Less is more'-подход к эвристической оптимизации
       Аннотация: Эвристический подход ’Less is more approach’ (LIMA) был недавно (в 2016 году) предложен Н.Младеновичем. Основная идея подхода состоит в том, чтобы найти минимальное число параметров эвристического метода при решении некоторой частной задачи оптимизации, которые позволят увеличить эффективность данного метода по сравнению с аналогами. Иными словами, цель состоит в том, чтобы сделать эвристику более простой, но при этом - более эффектной и эффективной, чем иные известные эвристические алгоритмы.

Лекции

• Адиль Ерзин, Новосибирск, Россия
       Название: Some optimization problems in the wireless sensor networks
       Аннотация: Wireless sensor networks (WSN) consist of the electronic devices that collect information within a certain coverage area, partially process it and send data to the base station (BS). In the WSN, a critical resource is the energy of sensors, which is spent mainly on monitoring and transmitting data. In this connection, the following three main problems of computational geometry and combinatorial optimization arise.
    1. Since the sensing energy consumption of the sensor is proportional to the area covered by it, the problem of energy-efficient monitoring reduces to the classical problem of constructing the least dense cover.
    2. If the first problem is solved, then the sensors are placed and their parameters are specified, and for the data transmission it is necessary to build an energy-efficient communication network by determining the sensor’s transmitter powers in such a way as to obtain a connected network for the maintenance of which minimum energy is spent. This problem is known as the Min-Power Symmetric Connectivity Problem.
    3. In the WSN, for transmission of data collected by sensors, as a rule, one radio frequency is used and if more than one transmitter is operating in the sensor receiving zone, then (because of the interference of radio waves) a conflict arises. When aggregating data in the BS, in order to save energy, each sensor transmits only once during the aggregation session. This means that in the communication graph, found as a result of solving problem 2, we need to find an aggregation tree (AT) rooted in the BS. Moreover, the sensor cannot simultaneously receive and transmit and cannot receive data packets from more than one sender. It is required to find an AT and a min-length conflict-free aggregation schedule.
    In the tutorial the various statements of the problems 1–3, as well as algorithms for their solution, will be presented.
• Марио Гуаррачино, Неаполь, Италия
       Название: Laplacian-based semi supervised learning
       Аннотация: Supervised and unsupervised learning models are powerful tools to interpret data, with the main difference being that the former relies on the prior knowledge of class assignments (i.e. the labels) for a set of initial points, whereas in the latter a model is built without any prior information on the underlying data structure. Supervised algorithms are mostly used to produce predictive models, whereas unsupervised are more effective in characterizing data and uncovering hidden structures. Nevertheless, there is a third possibility, in which labeled and unlabeled data are used together to build models that are both characterizing and predictive. This methodology is known as semi-supervised learning. In this tutorial we will describe some novel semi-supervised techniques, providing some real world examples.
• Ярослав Сергеев, Калабрийский университет (г. Козенца, Италия); Нижегородский государственный университет им. Н.И. Лобачевского
       Название: Численные вычисления с бесконечно большими и бесконечно малыми величинами: Описание подхода, приложения и демонстрация работы компьютера
       Аннотация: В лекции описывается система записи чисел, позволяющая выражать бесконечно большие и бесконечно малые величины в явной форме конечным числом символов. Описана новая вычислительная методология, позволяющая выполнять численные (не символьные) вычисления с указанными величинами. Новый подход позволяет построить компьютер (получены патенты в России, США и Европе), выполняющий вычисления с конечными, бесконечно большими и бесконечно малыми величинами, следуя пятому принципу Евклида “часть всегда меньше целого”. Отмечается, что новый подход не противоречит теориям Кантора и Робинсона (нестандартный анализ), а дополняет их, постоянно отслеживая различие (мало исследованное классиками) между числами и нумералами и изучая возможность практического выполнения той или иной операции. Показывается, что многие вычислительные трудности, традиционно возникающие при работе с бесконечностью (например, расходимости, неопределённые формы, некоторые парадоксы и т.д.) не обусловлены природой бесконечности, а являются следствием слабости традиционных систем записи чисел. Приводятся многочисленные примеры использования новой вычислительной методологии: оптимизация, расходящиеся ряды и интегралы, фракталы, численное решение обыкновенных дифференциальных уравнений и т.д. Демонстрируется калькулятор, работающий с указанными числами.

Подача материалов (до 25.12.2016)

Требования к оформлению

Типы материалов

• Полная статья: новая, еще не опубликованная работа (max. 15 страниц в формате LNCS);
• Короткая статья: расширенная аннотация новой работы (max. 6 страниц в формате LNCS);
• Устный доклад без публикации (ограничения по объему и требования по формату отсутствуют). Например, работа уже опубликована, но отраженные в ней результаты исследований могут быть представлены для обсуждения на конференции.

Подача статей

Все материалы подаются через систему EasyChair.

Регистрация

• 18 000 руб.
• 13 000 руб. для студентов и аспирантов

• 24 000 руб.
• 18 000 руб. для студентов и аспирантов

Организаторы

Программный и организационный комитеты

• Председатель конференции: Ярослав Сергеев, руководитель лаборатории численных методов, Университет Калабрии (Италия), профессор ННГУ им. Н.И. Лобачевского, Нижний Новгород (Россия).
• Локальный оргкомитет: Роман Стронгин (председатель), Виктор Казанцев (зам. председателя), Вадим Сайгин (зам. председателя), Константин Баркалов, Лев Афраймович, Дмитрий Баландин, Виктор Гергель, Владимир Гришагин, Дмитрий Квасов, Иосиф Мееров, Григорий Осипов, Михаил Прилуцкий, Александр Сысоев, Дмитрий Шапошников, Екатерина Голдинова.
• Наблюдательный совет: Роберто Баттити (председатель), Холгер Хуус, Юсеф Хамади, Мауро Брунато, Томас Штютцле, Кристиан Блюм, Мартин Чарльз Голамбик, Марк Шёнауэр, Синь Яо, Бенджамин Ва.
• Программный комитет: Аннабелла Асторино, Роберто Баттити, Бернд Бишль, Кристиан Блюм, Мауро Брунато, Соня Кафиери, Андре Карвальо, Джон Чиннек, Андре Сир, Ренато Дэ Леоне, Лука Ди Гасперо, Бистра Дилкина, Адиль Ерзин, Джованни Фазано, Паола Феста, Антонио Фудули, Дэвид Гао, Мартин Голамбик, Владимир Гришагин, Тиас Гунс, Юсеф Хамади, Фрэнк Хаттер, Фрэнк Хаттер, Джордж Кацирелос, Михаил Хачай, Олег Хамисов, Юрий Кочетов, Ларс Коттхоф, Дмитрий Квасов, Дарио Ланда-Сильва, Хунь Чун Лау, Даниэла Лера, Василий Малоземов, Мари-Элеонор Мармион, Сильвано Мартелло, Кайса Миеттинен, Ненад Младенович, Евгений Нурминский, Барри О'Салливан, Панос Пардалос, Ремиждиус Паулавичус, Томас Пок, Михаил Посыпкин, Олег Прокопьев, Хелена Рамалиньо Лоренсо, Массимо Рома, Франческа Росси, Валерия Ружжерио, Хорст Замуловиц, Марк Шёнауэр, Майнольф Зелльман, Ярослав Сергеев, Карлос Соареш, Александр Стрекаловский, Томас Штютцле, Эрик Д. Тайяр, Татьяна Чемисова, Джерардо Торалдо, Михаэль Трик, Даниеле Виго, Петр Вилим, Лука Занни, Анатолий Жиглявский, Антанас Жилинскас, Юлиус Жилинскас

Место

Нижний Новгород, Россия

Нижний Новгород является одним из крупнейших городов России (численность населения порядка 1,250,000). С 1932 по 1990 носил название Горький в честь известного писателя Максима Горького, уроженца Нижнего. Нижний Новгород — важный экономический, промышленный, транспортный и культурный центр России, также является одним из центров отечественной IT индустрии. В Нижнем Новгороде расположен Нижегородский государственный университет им. Н.И. Лобачевского , являющийся организатором конференции LION11.

Проезд до Нижнего Новгорода:

• Аэропорт "Стригино"
• Авиакомпания «S7»
• Авиакомпания «Аэрофлот»
• Российские железные дороги
  

  В рамках культурной программы конференции планируется организовать:

  • Экскурсию по Нижнему Новгороду;
  • Речную прогулку по Оке и Волге.

  Конференция будет проводиться в гостиничном комплексе «Ока». Для вашего удобства мы рекомендуем забронировать номер в этой же гостинице.
  Забронировать место в гостинице вы можете, указав в регистрационной анкете номер интересующей вас категории и даты вашего пребывания в Нижнем Новгороде. Оргкомитет забронирует номер для вас в указанные вами сроки пребывания на конференции. Оплата – при заселении.
  В случае, если регистрационная анкета не будет предоставлена до 22 апреля, оргкомитет не несет ответственности за размещение участника конференции.
  Вы можете cамостоятельно забронировать себе проживание на сайте гостиницы «Ока». .