W moim referacie opowiem o niektórych zagrożeniach, jakie dla procedur wyborczych stwarza (bądź zwiększa) użycie nowoczesnych technologii informacyjnych. Przedstawię również pewne pomysły, jak odporność na te zagrożenia może być specyfikowana i weryfikowana w logice temporalnej czasu alternującego z elementem epistemicznym. Tematyka referatu związana jest z rozpoczętym niedawno projektem VoteVerif w ramach polsko-luksemburskiego programu PolLux.

W ramach referatu zostanie zaprezentowane wprowadzenie teoretyczne dotyczące rozmytych sieci kognitywnych oraz będzie wyjaśniona koncepcja aproksymacji szeregów czasowych za pomocą przedziałów lub granul informacyjnych.
W dalszej kolejności zostanie przedstawiony cel badawczy polegający na konstrukcji efektywnego modelu predykcyjnego przedziałowych i granularnych szeregów czasowych. Zostanie zaprezentowany proces modelowania oraz opisane dwa, skonstruowane przez autora, modele predykcyjne oparte na rozmytych sieciach kognitywnych. Przedstawione zostaną także wyniki przeprowadzonych eksperymentów.

Prezentacja dotyczy wykorzystania narzędzi wytworzonych na gruncie spektralnej teorii grafów do celów grupowania oraz uczenia częściowo nadzorowanego.
Po krótkim przedstawieniu wariantów i własności macierzy L stanowiącej tzw. laplasjan grafu podaję sposób wykorzystania wektorów własnych tej macierzy w algorytmie grupującym. Nałożenie warunków brzegowych na ów laplasjan pozwala skonstruować algorytm uczenia częściowo nadzorowanego.
Zasadniczym problemem w omawianym podejściu jest kosztowny proces wyznaczania wektorów własnych macierzy L. Przedstawiam elementy rozwijanego od mniej więcej dekady "Przetwarzania Sygnałów na Grafach" (Signal Processing on Graphs), które umożliwia tworzenie efektywnych algorytmów grupowania przeznaczonych do analizy dużych zbiorów danych.

Kryzys rozwiązań wielordzeniowych oraz dynamiczny postęp w obszarze nowych architektur sprzętowych pociągają za sobą rozwój nowatorskich metod programowania równoległego i rozproszonego, które będzie cechować jednocześnie wysoka wydajność oraz przejrzystość modelu. W trakcie wystąpienia zostaną omówione główne założenia paradygmatu PGAS stosowanego coraz częściej do zrównoleglenia aplikacji oraz opracowany w tym modelu benchmark Graph500. Przedstawione zostaną szczegóły implementacyjne przy użyciu języka Java i biblioteki PCJ oraz wykorzystane optymalizacje.
Zaprezentowane zostaną również wyniki wydajności oraz skalowalności rozwiązania w porównaniu z MPI na różnych architekturach sprzętowych.
Prelegentka jest doktorantką na Wydziale Matematyki i Informatyki Uniwersytetu Mikołaja Kopernika w Toruniu