Наредни састанак Семинара биће одржан у петак, 15. новембра 2024. године, у сали 301ф Математичког института САНУ са почетком у 14.15.

Предавач: Соња Петровић, Illinois Institute of Technology

Наслов: PROBABILITY AND RANDOMNESS IN NONLINEAR ALGEBRA

Апстракт: Many problems in symbolic computation with polynomials have high worst-case complexity. At the same time, in many areas of computational mathematics, significant improvements in efficiency have been obtained by algorithms that involve randomization, rather than deterministic ones. This talk will overview a randomized sampling framework from geometric optimization to applied computational algebra, and demonstrate its usefulness on two problems, including solving large (overdetermined) systems of multivariate polynomial equations.

Напомена: Предавање се може пратити на даљину преко линка Одељења за математику: https://miteam.mi.sanu.ac.rs/asset/WbsehnSL4ZeTPJo6r

Наредни састанак Семинара биће одржан у среду, 13. новембра 2024, у сали 301ф Математичког института САНУ са почетком у 13 часова.

Предавач: Слободан Нинковић, Астрономска опсерваторија у Београду

Наслов предавања: ЗБИЈЕНА ЗВЕЗДАНА ЈАТА – ВАЖНИ ЗВЕЗДАНИ СИСТЕМИ

Апстракт: Збијена звездана јата већ одавно привлаче пажња астрономске јавности због својих специфичности. У космолошким разматрањима заслужују паралелно место са галаксијама. Њихове физичке одлике, као што су старост, металичност, звездани састав, и др., су предмет бројних испитивања. У овом приказу, који се надовезује на ранија излагања о њима истог аутора, претресају се ова важна питања.

Напомена: Семинар је могуће пратити на даљину путем линка:
https://miteam.mi.sanu.ac.rs/call/yujMwF3JyYqzw6Jth/2m0heDiyDRqBDFTDIItulzyPrdbs5PT8mt_WmgRpRgr

Регистрација за учешће на семинару је доступна на следећем линку:
https://miteam.mi.sanu.ac.rs/asset/CyzPn2zriMsWWNzii

Регистровани учесници могу пратити предавање на даљину на следећем линку (након логовања):
https://miteam.mi.sanu.ac.rs/asset/QPYfBbqdhTF5spTAt

Састанак Семинара се одлаже због болести предавача

Наредни састанак Семинара биће одржан у петак, 15. новембра 2024. године, у Центру за стручно усавршавање И спрат, Париске комуне бб, Ниш, са почетком у 12 часова. У питању је заједнички састанак са семинаром Диференцијална геометрија, механика континуума и математичка физика

Предавач: Теодор Врећица, Математички институт САНУ

Наслов предавања: ВОДЕНИ ТАЛАСИ – ТЕОРИЈА, МОДЕЛОВАЊЕ И МЕТОДЕ МЕРЕЊА

Апстракт: Током овог предавања проћи ћу кроз више тема којима сам се бавио током свог рада. Површински водени таласи су кључни за размену флуксова измеђуокеана и атмосфере, и утичу на конструкције у приобалним подручјима, ерозију плажа и пловидбу бродова. Да би се разумели у потпуности, потребно је повезати теорију, моделовање и мерења. Са теоријске стране, они могу испољити разне особине у зависности од спољних фактора (дубина воде, морске струје) и снаге нонлинеарности, и стога се често користе за илустровање генералних особина таласа (на пример турбуленција таласа). У зависности од величине домена у којима се таласи моделују, детерминистички или стохастички приступи се могу применити. Мерења служе да пруже почетне и граничне услове за моделе, и распон параметара за развој и верификацију теорије.

Напомена: Предавања се могу пратити на даљину преко странице:
https://miteam.mi.sanu.ac.rs/asset/YfY2cZTcN3YwGqFjc

Регистрација ѕа учешће на семинару је доступна на следећој страници:
https://miteam.mi.sanu.ac.rs/asset/o9cuDZYqrq7jvFxw8

Наредни састанак Семинара биће одржан онлајн у среду, 13. новембра 2024. године, са почетком у 19 часова.

Предавач: Valerijan Matvejev,Master of Visual Computing, Polytech Nantes, University of Nantes, France; PhD student at the School of Electrical Engineering, University of Belgrade; BioSense Institute, University of Novi Sad

Наслов: CREATING HARMONY: ADVANCING AI AND ITS IMPACT ON RESEARCH

Апстракт: Visual attention is a cross-disciplinary topic in the field of computer vision that has been particularly interesting to researchers in the 21st century. In this research, the focus was on exploring the complex relationship between human covert and overt attention and human memory on static images. Through a conducted scientific experiment, eye-tracking data was gathered from participants, which was then used to train a machine learning model, aimed at predicting human memory on a trial-by-trial basis with great accuracy. The research aimed to provide fresh insights into the intricate workings of the human mind and its visual system, while introducing an innovative approach to applying machine learning models in various practical contexts, such as predicting memory patterns, diagnosing attention and memory disorders, evaluating psychological readiness, and exploring many other yet-to-be-discovered areas.

Напомена: Регистрациона форма за учешће и линк за активно праћење предавања за регистроване кориснике (након логовања): https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p

Нерегистровани корисници могу да прате предавања на овом линку (без могућности активног учешћа):
https://miteam.mi.sanu.ac.rs/call/hR9vL94nD6QE8qQZj/xET9GcPMyR08nqH8lnS3SE7N5Vf00H7Lp9EBhsv6Lti

„Предавање је отказано због болести предавача“

Наредни састанак Семинара биће одржан у уторак, 12. новембра 2024. године, у сали 809 Математичког факултета са почетком у 18 часова.

Предавач: Стефан Михић, студент докторских студија на Катедри за астрономију Математичког факултета Универзитета у Београду

Наслов предавања: HYDRODYNAMIC SIMULATIONS OF SUPERNOVA REMNANTS ENCOUNTERING HIGH DENSITY ENVIRONMENT

Наредни састанак Семинара биће одржан у уторак, 12. новембра 2024. године, у сали 301ф Математичког института САНУ са почетком у 14.15.

Предавач: Милош Симић, Универзитет у Београду

Наслов предавања: НОВЕ МЕТОДЕ ЗА КОНТРОЛУ ГРЕШКЕ БИНАРНИХ КЛАСИФИКАТОРА У МАШИНСКОМ УЧЕЊУ

Апстракт: Постоје две врсте грешака које могу направити бинарникла сификатори. У питању су класификација позитивног објекта као негативног(енгл. false negative) и негативног објекта као позитивног (енгл. false positive). У одређеним областима, једна од ове две грешке је критична и носи далеко озбиљније последице, па је циљ развити класификаторе код којих је њена вероватноћа мања од унапред дефинисаног прага. У овом предавању ће бити представљене методе које су у оквиру машинског учења предложене за контролу вероватноће грешке бинарних класификатора. Поред њих, биће представљене и нове технике контроле засноване на статистичким тестовима, као и резултати евалуације на више скупова података.

Напомена: Регистрациона форма за учешће на Семинару је доступна на линку:
https://miteam.mi.sanu.ac.rs/call/wnz6oyxsQsy29LfJA/MjQ__eH607WeAL9X7IFtUI98xdQQgVkp-ljiEKPPfXr

Уколико желите само да пратите предавање без могућности активног учешћа, пренос је доступан на линку:
https://miteam.mi.sanu.ac.rs/asset/YoqHWKALRkRTbK9So

Наредни састанак Семинара биће одржан у петак, 8. новембра 2024. године у сали 301ф Математичког института САНУ са почетком у 12 часова.

Предавач: Урош Цоловић, Математички факултет-Универзитет у Београду

Наслов предавања: СИДОНОВИ СКУПОВИ И ПЛАНАРНЕ ФУНКЦИЈЕ

Апстракт: Планарне функције су један од покушаја да се генеришу Сидонови скупови у коначним пољима. Испоставља се да су једине планарне функције које добијамо у случају који нас занима, баш оне предвидјење хипотезом везаном за густе Сидонове скупове. Доказ ове чи њенице користи алгебарску теорију бројева, и специфичније циклотомична раширења и јединствену факторизацијуу њиховим прстенима целих. На предавању ћемо презентовати овај доказ и видети мало алгебарске геометрије ако време то дозволи.

Напомена: Предавања се могу пратити на даљину преко линка:
https://miteam.mi.sanu.ac.rs/call/CihYM6Nratzix7c8G/uJmcdEJs4INWQ8MEoLVzHRGxbfbBEWSBMwXBYcymVoj

Регистрациона форма је доступна на:
https://miteam.mi.sanu.ac.rs/asset/M4zcEwxkzy5PqNS73

Наредни састанак Семинара биће одржан у петак, 8. новембра 2024. године, у сали 301ф Математичког института САНУ са почетком у 14.15 часова.

Предавач: Иван Дамњановић, Електронски факултет, Ниш

Наслов: ON THE SPECTRAL RADIUS OF THRESHOLD GRAPHS

Апстракт: The spectral radius of a graph is the spectral radius of its adjacency matrix. A threshold graph is a simple graph whose vertices can be ordered as v_1, v_2,…, v_n, so that for each 2 ≤ i ≤ n, vertex v_i is either adjacent or nonadjacent to all of v_1, v_2,…, v_{i-1}. Brualdi and Hoffman initially posed and then partially solved the extremal problem of finding the simple graph with a given number of vertices and edges that has the maximum spectral radius. This problem was subsequently completely resolved by Rowlinson. Here, we deal with the similar problem of maximizing the spectral radius over the set of connected simple graphs with a given number of vertices and edges. As shown by Brualdi and Solheid, each such extremal graph is necessarily a threshold graph. We investigate the spectral radii of threshold graphs by relying on computations involving la zy walks. Furthermore, we obtain certain lower and upper bounds on the spectral radius of a given threshold graph. (This is a joint work with Peter Csikvari, Dragan Stevanović and Stephan Wagner).

Напомена: Предавање се може пратити на даљину преко линка Одељења за математику: https://miteam.mi.sanu.ac.rs/asset/WbsehnSL4ZeTPJo6r

Наредни састанак Семинара Катедре за вероватноћу и статистику ће се одржати у среду 6. новембра у сали 840 Математичког факултета са почетком у 16.15 часова.

Предавач: Леа Кункел, Инситут за технологију у Карлсруеу, Немачка

Наслов предавања: A WASSERSTEIN PERSPECTIVE OF VANILLA GAN’S

Абстракт: Generative Adversarial Networks (GANs) have attracted much attention since their introduction by Goodfellow el al. (2014), initially due to impressive results in the creation of photorealistic images. Meanwhile, the areas of application have expanded far beyond this, and GANs serve as a prototypical example of the rapidly developing experimental and theoretical research area of generative models. The statistical literature focuses mainly on Wasserstein GANs and their generalizations, which allow for good dimension reduction properties. Statistical results for vanilla GANs, the original optimization problem, are still rather limited and require assumptions such as smooth activation functions and equal dimensions of the latent space and the ambient space.

To bridge this gap, we draw a connection from vanilla GANs to the Wasserstein distance. In doing so, existing results for Wasserstein GANs can be extended to vanilla GANs. In particular, we obtain an oracle inequality for vanilla GANs in Wasserstein distance. The assumptions of this oracle inequality are designed to be satisfied by commonly used network architectures, such as feedforward ReLU networks. By providing a quantitative result for the approximation of a Lipschitz function by a feedforward ReLU network with bounded Hölder norm, we conclude a convergence rate for Vanilla GANs.

Предавање је могуће пратити и онлајн, путем линка:
https://zoom.us/j/97192573234?pwd=2yQRNLUNCMkWbyFO1UHu96A0yAefeX.1
Meeting ID: 954 8688 5765
Passcode: 258075