Миркес, Евгений Моисеевич (20.01.1964, Красноярск, СССР) — специалист в области математического моделирования, прикладной математики и программирования, разработчик методов обучения искусственных нейронных сетей и стандартов их программирования и обучения.
Образование
Интерес к прикладной математике и программированию у Е. М. Миркеса проявился с детства. Он — один из самых известных учеников Красноярской летней школы, непременный участник и призёр различных региональных олимпиад школьников. Первую научную работу для публикации в центральном научном журнале подготовил, обучаясь на 3 курсе Красноярского университета. Закончил математический факультет Красноярского университета в 1985 году. В 1990 году защитил кандидатскую диссертацию «Априорные оценки в прямой кинетической задаче», выполненную под руководством В. И. Быкова и А. Н. Горбаня. Докторскую диссертацию «Функциональные модели универсального нейрокомпьютера» защитил в 2001 году (научный консультант А. Н. Горбань). Профессор кафедры НейроЭВМ.
Основные научные результаты
Математическая химия, химическая термодинамика и кинетика
- Доказал выпуклость термодинамических функционалов Ляпунова для задач химической кинетики в неизотермических условиях.
- Создал методы и программное обеспечение для сокращения неопределённости в кинетических константах сложных химических реакций с учётом термодинамических ограничений и принципа детального равновесия. Методы предназначены для построения кинетических моделей и для использования в банках кинетических данных
- На основе групповой классификации химических элементов Румера — Фета получил новые массовые формулы для атомов.
- Разработал новую систему предсказания свойств химических элементов, атомов и молекул — метод мультиплетных покрытий. Решается классическая проблема восстановления недостающих данных в следующей постановке: найти для каждого объекта наилучшую формулу, выражающую его признаки через признаки других объектов (которых должно быть по возможности меньше). Эта формула должна быть инвариантна относительно смены шкал измерения. Данный подход подробно описан в последующей статье А. Н. Кирдина и др., доступной онлайн.
- В своей кандидатской диссертации получил в определённом смысле лучшие (неулучшаемые) оценки времени релаксации химической системы.
Нейроинформатика
- Разработана функциональная модель универсального нейрокомпьютера. Определены принципы выделения функциональных компонентов. Проведена декомпозиция нейрокомпьютера на функциональные компоненты в соответствии с предложенными принципами. Показана универсальность разработанной модели — возможность реализации в рамках данной модели всех основных видов нейронных сетей. Предложенная модель позволяет проводить аргументированное сравнение различных реализаций отдельных компонентов нейрокомпьютера, отслеживать взаимосвязи между компонентами.
- Для каждого компонента разработан полный (исчерпывающий) список запросов. Это позволяет при разработке больших программных комплексов разрабатывать каждый компонент независимо от других. Чёткое определение функций каждого компонента позволяет разрабатывать для каждого компонента наиболее эффективные реализации независимо от других компонентов.
- Разработан принцип построения нового типа оценок, названный эффективной функцией оценки. Эффективность предложенного типа оценок состоит в том, что их использование позволяет ускорить обучение нейронной сети, оценить уровень уверенности нейронной сети в полученном ответе, обучить с малой надёжностью сеть решению тех задач, которые сеть данной архитектуры не может решить с высокой надёжностью, учесть при обучении различие в достоверности ответов в разных примерах.
- Разработан метод получения явных знаний из данных с помощью логически прозрачных нейронных сетей, получаемых из произвольных обученных сетей специальной процедурой контрастирования (скелетонизации). В большинстве случаев удаётся получить вербальную схему логического вывода.
- Разработан метод построения минимально необходимых наборов входных данных и построения на их основе наборов входных данных повышенной надёжности (устойчивости к искажениям во входных данных).
- Разработан метод конструирования нейронных сетей из простейших элементов и более простых сетей. Предложен способ описания процесса конструирования и язык для записи его результата.
- Получены оценки способности сети ассоциативной памяти к точному воспроизведению эталонов. Разработаны методы, позволяющие повысить информационную ёмкость. Построены три сети ассоциативной памяти, имеющие большую информационную ёмкость и менее зависящие от степени коррелированности эталонов, чем классические варианты сетей Хопфилда.
- Разработанная функциональная модель была частично реализована в ряде учебных и исследовательских программных продуктов. Программы, созданные Е. М. Миркесом и под его руководством, широко используются в учебном процессе в России (под общим названием «Нейроучебник»).
