МГУ имени М.В.Ломоносова

Новый подход МГУ позволяет эффективнее обрабатывать трёхмерные данные #наука_мгу Ученые факультета вычислительной математики и кибернетики МГУ предложили новый метод распознавания трёхмерных объектов, позволяющий существенно сократить объём памяти, необходимый для обработки данных. Подход основан на представлении объектов в виде графов простых геометрических примитивов и использовании графовых нейросетей для их анализа. В отличие от традиционных методов работы с трёхмерными облаками точек, новая технология использует минимальный набор геометрических элементов и учитывает только наличие или отсутствие связей между ними. Это позволяет сохранять высокую точность распознавания при меньших вычислительных затратах. Разработка может найти применение в робототехнике и системах автономной навигации, где особенно важна эффективная обработка данных в условиях ограниченных ресурсов.

В МГУ предложили учитывать структуру переписки при анализе почтовых алгоритмов #наука_мгу Ученые факультета вычислительной математики и кибернетики МГУ разработали метод, позволяющий более точно оценивать качество систем автоматической сортировки электронных писем. Работа посвящена анализу алгоритмов, которые помогают пользователям и организациям распределять входящие сообщения по папкам на основе содержания писем, истории переписки и других факторов. Ученые показали, что при оценке таких систем важно учитывать связи между сообщениями, которые формируют цепочки переписки, проекты или группы отправителей. Для получения более надежных результатов исследователи предложили использовать метод «кластерного бутстрэпа», при котором анализ проводится не на уровне отдельных писем, а на уровне групп связанных сообщений. Такой подход позволяет учитывать структуру переписки и избегать завышения показателей качества моделей. Полученные результаты могут найти применение при разработке корпоративных почтовых сервисов и систем автоматической обработки сообщений.

Цифровые технологии помогают восстановить книжное наследие Московского общества испытателей природы #наука_мгу На факультете вычислительной математики и кибернетики МГУ реализуется проект по созданию цифровой коллекции утраченных книг библиотеки Московского общества испытателей природы (МОИП). Его цель — частично восстановить состав исторического собрания, которое в середине XX века считалось одним из наиболее значительных естественно-научных книжных фондов страны. Основой работы стали историко-архивные исследования, включая обнаруженный специалистами ранее неизвестный реестр книг библиотеки МОИП 1824 года. Для проекта разработан онлайн-каталог и программные инструменты, позволяющие находить и объединять цифровые копии изданий из российских и зарубежных библиотек и архивов. Создаваемая коллекция не только способствует сохранению научного и культурного наследия, но и формирует универсальные решения для цифровизации библиотечных и архивных фондов. Подробнее — на сайте.

Предложен алгоритм автобиддинга, устойчивый к ошибкам прогнозных моделей #наука_мгу Исследователи Центра искусственного интеллекта МГУ разработали алгоритм RobustBid для устойчивого управления ставками в цифровых рекламных аукционах. Предложенный подход учитывает неопределенность в прогнозах моделей машинного обучения, на основе которых рассчитываются ставки за показ рекламы. Эксперименты на открытых рекламных наборах данных показали, что алгоритм обеспечивает более устойчивые результаты по сравнению с существующими методами и может применяться в системах принятия решений, основанных на прогнозных моделях.

Новый метод позволяет искать уязвимости без запуска ПО #наука_мгу На факультете вычислительной математики и кибернетики МГУ разработан новый метод, позволяющий ускорить статический анализ программного обеспечения. Статический анализ используется для поиска ошибок и уязвимостей без запуска программ, однако при обработке сложных проектов объем логических условий быстро возрастает, что снижает производительность анализа. Ученые предложили метод подстановок и многоуровневую систему упрощения логических формул, возникающих в процессе символьного выполнения программ. Разработанный подход позволяет уменьшить сложность вычислений, сократить потребление ресурсов и повысить эффективность поиска потенциальных уязвимостей в крупных программных системах. Подробнее — на сайте.