Seminaria ogólnoinstytutowe:

Streszczenie autorskie:

Duże gry są narzędziem do badania modeli z zakresu tematyki ekonomicznej, społecznej, inżynieryjnej, biologicznej i nie tylko. Szczególnie przydatne są w sytuacjach, kiedy liczba decydentów (graczy) jest bardzo duża, a szczegółowe opisanie ich charakterystyk jest niecelowe lub niemożliwe - dostępne są tylko dane zagregowane. Gry takie odpowiadają sytuacjom, gdy pojedynczy gracze nie mają wpływu na ogólną sytuację.
Oprócz definicji i podstawowych własności dużych gier, przedstawione zostaną przykłady dotyczące alokacji przestrzennej jednego gatunku, gospodarki drobnotowarowej i optymalizacji ruchu drogowego.

The lecture will address, albeit usually very briefly, the following topics:

• New architectures with 10 to 100 times larger capabilities than MLP processing
• Training algorithms for these new neural network architectures
• How to solve the “diminishing gradient problem” when training deep architecture
• Training neural networks without the backpropagation computations
• Adaptive second order algorithm for on-line training
• Over 100 times faster algorithms than traditional EBP
• How to break the problem size limit for second order algorithms,
• RBF networks training resulting with 30 to 100 times smaller network size than obtained with SVM or ELM algorithms

Tissue systems are a computational abstraction of the chemical reactions and transport of molecules in a tissue. The talk will consider the problem of synthesising tissue systems from specifications of observed or desired behaviour given in the form of transition systems. The talk will show how a Petri net solution to this problem, based on the notion of regions, yields a method for automated synthesis of tissue systems from transition systems.
It will be first assumed that the input of the algorithm contains information about the topology of the system to be constructed, and then the case when such a topology is not known in advance and has yet to be determined will be discussed.