Jump to content

Васант Хонавар

Васант Хонавар
Национальность  олень
Альма-матер Институт технологий и менеджмента BMS , Университет Висконсина
Дрексельский университет
Инженерный колледж БМС
Награды Член AAAS
Научная карьера
Поля Информатика , Искусственный интеллект , Машинное обучение , Наука о данных , Биоинформатика , Большие данные , Причинный вывод , Информатика , Представление знаний , Вычислительная биология , Когнитивная наука , Медицинская информатика , Нейроинформатика , Сетевые науки , Биомедицинская информатика
Учреждения Университет штата Айова
Национальный научный фонд
Государственный университет Пенсильвании
Докторантура Леонард часы

Васант Дж. Хонавар — индийско-американский ученый-компьютерщик , искусственного интеллекта , машинного обучения , больших данных , науки о данных , причинного вывода , представления знаний , биоинформатики и медицинской информатики исследователь и профессор .

Ранняя жизнь и образование

[ редактировать ]

Васант Хонавар родился в Пуне , Индия, в семье Бхавани Г. и Гаджанана Н. Хонавара. Он получил начальное образование в средней школе Видья Вардхака Сангха и колледже MES в Бангалоре , Индия . Он получил степень бакалавра наук в области электроники и связи в Инженерном колледже BMS в Бангалоре , Индия , в 1982 году. [1] когда он был связан с Бангалорским университетом , получил степень магистра электротехники и вычислительной техники в Университете Дрекселя в 1984 году , степень магистра компьютерных наук в 1989 году и степень доктора философии. в 1990 году соответственно из Университета Висконсин-Мэдисон , где он изучал искусственный интеллект и работал с Леонардом Уром . [2]

Хонавар учится на факультете Государственного колледжа информационных наук и технологий Пенсильвании. [3] в Университете штата Пенсильвания , где в настоящее время он возглавляет кафедру Дороти Фер Хак и Дж. Ллойда Хака в области биомедицинских наук о данных и искусственного интеллекта. [4] и ранее занимал должность профессора Эдварда Фраймойера в области информационных наук и технологий. Он работает на факультетах последипломных программ в области компьютерных наук , информатики , биоинформатики и геномики , нейронаук , исследований операций , наук об общественном здравоохранении , а также в программе бакалавриата в области науки о данных . Хонавар является директором Исследовательской лаборатории искусственного интеллекта . [5] Заместитель директора Института вычислительных наук и наук о данных [6] и директор Центра основ и научных приложений искусственного интеллекта [7] в Университете штата Пенсильвания . Хонавар входит в руководящую группу Северо-восточного инновационного центра больших данных. [8] Хонавар входил в состав компьютерных исследований Ассоциации Совета Консорциума компьютерного сообщества в 2014–2017 годах. [9] [10] где он возглавлял рабочую группу по конвергенции данных и вычислений и был членом целевой группы по искусственному интеллекту.

Хонавар был первым почетным приглашенным заведующим кафедрой нейрокомпьютеров и науки о данных Судхи Мурти Индийского института науки в Бангалоре, Индия. [11] Хонавар был назван почетным членом Ассоциации вычислительной техники за «выдающийся научный вклад в вычислительную технику»; [12] и избран членом Американской ассоциации содействия развитию науки за «выдающийся исследовательский вклад и лидерство в области науки о данных». [13]

В качестве директора программы информационной интеграции и информатики в отделе информационных и интеллектуальных систем Управления компьютерных и информационных наук и инженерии США Национального научного фонда в 2010–2013 годах Хонавар руководил программой больших данных . [14]

Хонавар был профессором информатики , которую он основал в 1990 году , в Университете штата Айова , где он руководил исследовательской лабораторией искусственного интеллекта и сыграл важную роль в создании межфакультетской аспирантуры по биоинформатике и вычислительной биологии (и был ее председателем в 2003–2005 годах). [15] [16]

Хонавар работал приглашенным профессором в Университете Карнеги-Меллон , Университете Висконсин-Мэдисон и в Индийском институте науки . [17]

Исследовать

[ редактировать ]

Хонавар внес значительный вклад в исследования в области искусственного интеллекта , машинного обучения , причинного вывода , представления знаний , нейронных сетей , семантической сети , больших данных анализа , а также биоинформатики и вычислительной биологии . Он был программным председателем 36-й конференции Ассоциации по развитию искусственного интеллекта (AAAI) по искусственному интеллекту. [18] Он опубликовал более 300 научных статей, в том числе многие высоко цитируемые. [19] [20] а также несколько книг на эту тему. [21] Его недавняя работа была сосредоточена на алгоритмах интегрированного машинного обучения для построения прогностических моделей на основе распределенных данных и связанных открытых данных , изучении прогностических моделей на основе многомерных продольных данных, оценке причинных эффектов на основе сложных данных, рассуждениях с использованием объединенных баз знаний, обнаружении алгоритмической предвзятости, больших данных. аналитика, анализ и прогнозирование интерфейсов и взаимодействий белок-белок, белок-РНК и белок-ДНК, аналитика социальных сетей, медицинская информатика , ответы на запросы с сохранением секретности, представление и рассуждение о предпочтениях, а также причинно-следственные выводы и метаанализ . [ нужна ссылка ]

Хонавар активно способствует развитию национального и международного научного сотрудничества в области искусственного интеллекта, науки о данных и их применениях для решения национальных, международных и социальных приоритетов в ускорении развития науки, улучшении здравоохранения, преобразовании сельского хозяйства посредством партнерств, объединяющих академические круги, некоммерческие организации, и промышленность. [22] [23] [24] [25] [26] [27] [28] Он также активно обосновывает научную политику крупных национальных исследовательских инициатив, таких как искусственный интеллект для ускорения науки. [29] и ИИ для борьбы с эпидемией болезней отчаяния . [30]

Избранные публикации

[ редактировать ]
  • Васант Хонавар и Леонард Ур . (Ред.) Искусственный интеллект и нейронные сети: шаги к принципиальной интеграции. Нью-Йорк: Академическая пресса. 1994. ISBN   0-12-355055-6
  • Васант Хонавар и Гиора Слуцки (ред.). Грамматический вывод. Берлин: Springer-Verlag. 1998. ISBN   3-540-64776-7
  • Мукеш Патель, Васант Хонавар и Картик Балакришнан (ред.). Достижения в эволюционном синтезе интеллектуальных агентов. Кембридж, Массачусетс: MIT Press. 2001. ISBN   0-262-16201-6
  • Сантанам, Ганеш Рам; Басу, Самик; Хонавар, Васант (2016). Представление и рассуждение с использованием качественных предпочтений: инструменты и приложения . Том. 10. стр. 1–154. дои : 10.2200/S00689ED1V01Y201512AIM031 . ISBN  978-1-62705-839-1 . {{cite book}}: |journal= игнорируется ( помогите )

Позиционные документы по искусственному интеллекту, наукам о данных и смежным темам

  • Барокас С., Брэдли Э., Хонавар В. и Провост Ф. (2017). Большие данные, наука о данных и гражданские права. Консорциум компьютерного сообщества. Препринт arXiv arxiv:1706.03102.
  • Хагер Г., Брайант Р., Хорвиц Э., Матарик М. и Хонавар В. (2017). Достижения в области искусственного интеллекта требуют прогресса во всех компьютерных науках. Консорциум компьютерного сообщества. Препринт arXiv arXiv:1707.04352
  • Хонавар В., Йелик К., Нарстедт К., Рашмайер Х., Рексфорд Дж., Хилл Марк., Брэдли Э. и Минатт Э. (2017). Передовая киберинфраструктура для науки, техники и государственной политики. Консорциум компьютерного сообщества. Препринт arXiv arXiv:1707.00599.
  • Хонавар В., Хилл М. Йелик К. (2016). Ускорение науки: программа компьютерных исследований, Консорциум компьютерного сообщества.
  • Хонавар, В. (2014). Хонавар, В. (2014). Перспективы и потенциал больших данных: аргументы в пользу открытия. Обзор информатики в области политических исследований 31:4 10.1111/ropr.12080.

Причинный вывод

  • Ли, С. и Хонавар, В. (2020). На пути к надежному открытию реляционных причинно-следственных связей. В: Материалы тридцать пятой конференции по неопределенности в искусственном интеллекте, стр. 345–355.
  • Кандасами С., Бхаттачарья А. и Хонавар В. (2019). Минимальное вмешательство в причинно-следственном графике. В: Материалы 33-й конференции AAAI по искусственному интеллекту (AAAI-19).
  • Хадеми А., Ли С., Фоли Д. и Хонавар В. (2019). Справедливость в алгоритмическом принятии решений: предварительный экскурс через призму причинности. В: Материалы веб-конференции.
  • Ли С. и Хонавар В. (2017). Тест условной независимости на самонесоответствие. В: Конференция по неопределенности в искусственном интеллекте (UAI-17).
  • Ли С. и Хонавар В. (2017). Тест независимости ядра для реляционных данных. В: Конференция по неопределенности в искусственном интеллекте (UAI-17).
  • Буи, Нгот; Йен, Джон; Хонавар, Васант (2016). «Временной причинно-следственный анализ изменения настроений в сети людей, переживших рак» . Транзакции IEEE в вычислительных социальных системах . 3 (2): 75–87. дои : 10.1109/TCSS.2016.2591880 . ПМК   5796429 . ПМИД   29399599 . S2CID   6153979 .
  • Ли С. и Хонавар В. (2016). Характеристика марковских классов эквивалентности реляционных причинных моделей в рамках семантики пути. В: Материалы конференции по неопределенности в искусственном интеллекте (UAI-16).
  • Ли С. и Хонавар В. (2016). Об изучении причинно-следственных моделей на основе реляционных данных. В: Материалы тридцатой конференции AAAI по искусственному интеллекту (AAAI-16).
  • Буи Н., Йен Дж. и Хонавар В. (2015). Временная причинность социальной поддержки в онлайн-сообществе для людей, переживших рак. В: Международная конференция по социальным вычислениям, поведенчески-культурному моделированию и прогнозированию (SBP15). Конспекты лекций Springer-Verlag по информатике, Vol. 9021, стр. 13–23.
  • Ли С. и Хонавар В. (2015). Возвращение к расширенному представлению реляционных причинных моделей: последствия для рассуждений и структурного обучения. Семинар по достижениям в области причинного вывода, конференция по неопределенности в искусственном интеллекте, 2015.
  • Барейнбойм Э., Ли С., Хонавар В. и Перл Дж. (2013). Транспортабельность из разных сред с ограниченным количеством экспериментов. В: Достижения в области нейронных информационных систем (NIPS), 2013. стр. 136–144.
  • Ли С. и Хонавар В. (2013). Переносимость причинного эффекта из нескольких сред. В: Материалы 27-й конференции по искусственному интеллекту (AAAI 2013).
  • Ли С. и Хонавар В. (2013). Причинная переносимость экспериментов с управляемыми подмножествами переменных: z-переносимость. В: Материалы 29-й конференции по неопределенности в искусственном интеллекте (UAI, 2013).

Машинное обучение, нейронные сети и глубокое обучение

  • Лян Дж., Ву Ю., Ю Д. и Хонавар В. (2021). Продольная регрессия гауссовского процесса глубокого ядра в: Материалы 35-й конференции AAAI по искусственному интеллекту. стр. 8556–8564
  • Се Т., Сунь Ю., Ван С. и Хонавар В. (2021). Функциональные автоэнкодеры для обучения функциональному представлению данных . В: Материалы конференции SIAM по интеллектуальному анализу данных. стр. 666 – 674
  • Се, Тай., Сунь, Ю., Тан, Х., Ван, С., и Хонавар, В. (2021). SrVARM: Модель авторегрессии регуляризованного вектора состояния для совместного изучения скрытых переходов состояний и зависящих от состояния зависимостей между переменными на основе данных временных рядов. В: Материалы веб-конференции. стр. 2270–2280
  • Се, Тай., Сунь, Ю., Ван, См. и Хонавар, В. (2021). Объяснимая многомерная классификация временных рядов: глубокая нейронная сеть, которая учится обращать внимание на важные переменные, а также на информативные временные интервалы. В: Материалы 14-й Международной конференции по веб-поиску и интеллектуальному анализу данных. стр. 607–615
  • Лян Дж., Сюй Д., Сунь Ю. и Хонавар В. (2020). LMLFM: машина продольной многоуровневой факторизации. AAAI 2020: стр. 4811–4818.
  • Ле, Тхань; Хонавар, Васант (2020). «Модель скрытой переменной динамического гауссовского процесса для обучения представлению на основе продольных данных». Материалы конференции ACM-IMS по основам науки о данных 2020 года . стр. 183–188. дои : 10.1145/3412815.3416894 . ISBN  9781450381031 . S2CID   224805455 .
  • Сунь, Ивэй; Ван, Сухан; Тан, Сяньфэн; Се, Цунг-Ю; Хонавар, Васант (2020). «Состязательные атаки на нейронные сети графов посредством внедрения узлов: подход к обучению с иерархическим подкреплением». Материалы веб-конференции 2020 . стр. 673–683. дои : 10.1145/3366423.3380149 . ISBN  9781450370233 . S2CID   215841902 .
  • Сунь Ю., Тан Х., Се Тай Тай, Ван С. и Хонавар В. (2019). МЕГАН: алгоритм генеративной состязательной сети для встраивания многовидовой сети . В: Материалы 28-й Международной совместной конференции по искусственному интеллекту (IJCAI-2019). стр. 3527–3533
  • Се, Цунг-Ю; Сунь, Ивэй; Ван, Сухан; Хонавар, Васант (2019). «Адаптивная структурная совместная регуляризация для неконтролируемого выбора функций с несколькими представлениями». Международная конференция IEEE по большим знаниям (ICBK) 2019 . стр. 87–96. дои : 10.1109/ICBK.2019.00020 . ISBN  978-1-7281-4607-2 . S2CID   209696429 .
  • Чжоу Ю., Сунь Ю. и Хонавар В. (2019). Улучшение подписей к изображениям за счет использования диаграмм знаний. Зимняя конференция IEEE по применению компьютерного зрения.
  • Се, Цунг-Ю; Эль-Мансалави, Ясир; Сунь, Ивэй; Хонавар, Васант (2018). «Композиционный стохастический средний градиент для машинного обучения и связанных с ним приложений». Интеллектуальная обработка данных и автоматизированное обучение – IDEAL 2018 . Конспекты лекций по информатике. Том. 11314. стр. 740–752. arXiv : 1809.01225 . дои : 10.1007/978-3-030-03493-1_77 . ISBN  978-3-030-03492-4 . S2CID   52159881 .
  • Сунь, Ивэй; Буи, Нгот; Се, Цунг-Ю; Хонавар, Васант (2018). «Внедрение сети с несколькими представлениями посредством кластеризации факторизации графов и совместного регуляризованного соглашения о нескольких представлениях». Семинары Международной конференции IEEE по интеллектуальному анализу данных (ICDMW) 2018 года . стр. 1006–1013. arXiv : 1811.02616 . дои : 10.1109/ICDMW.2018.00145 . ISBN  978-1-5386-9288-2 . S2CID   53233637 .
  • Лян, Цзюньцзе; Ху, Цзиньлун; Донг, Шоубин; Хонавар, Васант (2018). «Top-N-Rank: масштабируемый метод ранжирования по спискам для рекомендательных систем». Международная конференция IEEE по большим данным (Big Data) 2018 . стр. 1052–1058. arXiv : 1812.04109 . дои : 10.1109/BigData.2018.8621994 . ISBN  978-1-5386-5035-6 . S2CID   54221342 .
  • Ху Дж., Лян Дж., Куанг Ю. и Хонавар В. (2018). Метод рекомендаций Top-N на основе сходства пользователей для рекламы в мобильных приложениях . Экспертные системы с приложениями. Том. 111. стр. 51–60.
  • Буи Н., Ле Т. и Хонавар В. (2016). Маркировка участников в многопрофильных социальных сетях путем интеграции информации изнутри и из нескольких представлений . В: Материалы конференции IEEE по большим данным.
  • Лин Х., Буи Н. и Хонавар В. (2015). Изучение классификаторов из удаленных хранилищ данных RDF, дополненных иерархиями подклассов RDFS. В: 2-й международный семинар по высокопроизводительному управлению, анализу и анализу данных больших графов (BigGraph 2015), Международная конференция IEEE по большим данным.
  • Буи Н. и Хонавар В. (2014). Маркировка актеров в социальных сетях с использованием ядра гетерогенного графа. В: Международная конференция по социальным вычислениям, поведенческому и культурному моделированию и прогнозированию (SBP14). стр. 27–34.
  • Лин Х. и Хонавар В. (2013). Обучение классификаторов из цепочек нескольких взаимосвязанных хранилищ данных RDF. В: Конгресс IEEE по большим данным. Награда за лучшую студенческую работу.
  • Лин Х., Ли С., Буи Н. и Хонавар В. (2013). Обучение классификаторов на основе данных распределения. В: Конгресс IEEE по большим данным.
  • Буи Н. и Хонавар В. (2013). О полезности абстракции для маркировки участников социальных сетей. В: Международная конференция IEEE/ACM 2013 года по достижениям в области анализа и анализа социальных сетей.
  • Сильвеску А. и Хонавар В. (2013). Абстрактные суперструктурирующие нормальные формы: к теории структурной индукции. В: Алгоритмическая вероятность и друзья. Байесовское предсказание и искусственный интеллект (стр. 339–350). Шпрингер Берлин Гейдельберг.
  • Ту, К. и Хонавар, В. (2012). Регуляризация однозначности для обучения вероятностных грамматик без учителя. В: Материалы EMNLP-CoNLL 2012: Конференция по эмпирическим методам обработки естественного языка и вычислительному изучению естественного языка. стр. 1324–1334.
  • Лин Х., Коул Н. и Хонавар В. (2011). Изучение реляционных байесовских классификаторов на основе данных RDF. В: Материалы Международной конференции по семантической сети (ISWC 2011). Конспекты лекций Springer-Verlag по информатике, том. 7031 стр. 389–404.
  • Ту, К. и Хонавар, В. (2011). О полезности учебных программ для самостоятельного изучения грамматики. В: Материалы двадцать второй Международной совместной конференции по искусственному интеллекту (IJCAI 2011), стр. 1523–1528.
  • Ту К., Оуян К., Хан Д., Ю Ю. и Хонавар В. (2011). Робастная когерентная бикластеризация на основе образцов. В: Материалы конференции SIAM по интеллектуальному анализу данных (SDM 2011). стр. 884–895.
  • Яхненко О. и Хонавар В. (2011). Многоэкземплярное обучение по нескольким меткам для классификации изображений с большими словарями. В: Материалы Британской конференции по машинному зрению.
  • Карагеа К., Силвеску А., Карагеа Д. и Хонавар В. (2010). Марковские модели, дополненные абстракцией. В: Материалы конференции IEEE по интеллектуальному анализу данных (ICDM 2010). IEEE Пресс. стр. 68–77.
  • Коул Н. и Хонавар В. (2010). Обучение при наличии ошибок отображения онтологий. В: Материалы Международной конференции IEEE/WIC/ACM по веб-аналитике и технологиям интеллектуальных агентов. стр. 291–296. АКМ Пресс.
  • Бромберг Ф., Маргаритис Д. и Хонавар В. (2009). Эффективное обнаружение структуры марковской сети на основе тестов независимости. Журнал исследований искусственного интеллекта. Том. 35. С. 449–485.
  • Эль-Мансалави Ю. и Хонавар В. (2009). MICCLLR: множественное обучение с использованием коэффициента вероятности условного журнала класса. В: Материалы 12-й Международной конференции по открытиям (DS 2009). Конспекты лекций Springer-Verlag по информатике, том. 5808, стр. 80–91, Берлин: Springer.
  • Сильвеску А., Карагеа К. и Хонавар В. (2009). Сочетание суперструктуризации и абстракции в классификации последовательностей. Конференция IEEE по интеллектуальному анализу данных (ICDM 2009).
  • Яхненко О. и Хонавар В. (2009). Мультимодальная иерархическая модель процесса Дирихле для прогнозирования аннотаций изображений и соответствия меток изображений и объектов. В: Материалы конференции SIAM по интеллектуальному анализу данных, SIAM. стр. 281–294
  • Ту, К., и Хонавар, В. (2008). Обучение вероятностной бесконтекстной грамматики без учителя с использованием итеративной бикластеризации. . В: Международный коллоквиум по грамматическому выводу (ICGI-2008). Конспекты лекций Springer-Verlag по информатике, том. 5278 стр. 224–237.
  • Яхненко О. и Хонавар В. (2008). Аннотирование изображений и объектов изображений с использованием иерархической модели процесса Дирихле. 9-й международный семинар по интеллектуальному анализу мультимедийных данных (SIGKDD MDM 2008), Лас-Вегас, ACM.
  • Чжан, Дж.; Канг, ДК; Сильвеску, А.; Хонавар, В. (2006). «Изучение точных и кратких наивных байесовских классификаторов на основе таксономий и данных значений атрибутов» . Знания и информационные системы . 9 (2): 157–179. дои : 10.1007/s10115-005-0211-z . ПМК   2846370 . ПМИД   20351793 .
  • Карагеа Д., Чжан Дж., Бао Дж., Патхак Дж. и Хонавар В. (2005). Алгоритмы и программное обеспечение для совместного обнаружения из автономных семантически неоднородных источников информации (приглашенный доклад). Материалы 16-й Международной конференции по теории алгоритмического обучения. Конспекты лекций по информатике, Сингапур, Берлин: Springer-Verlag. Том. 3734. стр. 13–44.
  • Чжан Дж., Карагеа Д. и Хонавар В. Изучение классификаторов, учитывающих онтологии. Материалы 8-й Международной конференции по открытиям. Конспекты лекций Springer-Verlag по информатике, Сингапур, Берлин: Springer-Verlag. Том. 3735. стр. 308–321, 2005.
  • Яхненко О., Сильвеску А. и Хонавар В. (2005) Дискриминантно обученная марковская модель для классификации последовательностей. Конференция IEEE по интеллектуальному анализу данных (ICDM 2005), Хьюстон, Техас, IEEE Press
  • Канг Д.К., Чжан Дж., Сильвеску А. и Хонавар В. (2005) Абстракция на основе полиномиальной модели событий для классификации последовательностей и текста. Материалы симпозиума по абстракции, переформулировке и аппроксимации (SARA 2005), Эдинбург, Великобритания, Берлин: Springer-Verlag. Том. 3607. стр. 134–148.
  • Ву. Ф., Чжан Дж. и Хонавар В. (2005) Изучение классификаторов с использованием иерархически структурированной таксономии классов. Материалы симпозиума по абстракции, переформулировке и аппроксимации (SARA 2005), Эдинбург, Берлин, Springer-Verlag. Том. 3607. стр. 313–320.
  • Карагея, Д.; Силвеску, А.; Хонавар, В. (2004). «Среда обучения на основе распределенных данных с использованием достаточной статистики и ее применение к обучению деревьев решений» . Международный журнал гибридных интеллектуальных систем . 1 (2): 80–89. дои : 10.3233/HIS-2004-11-210 . ПМЦ   2846376 . ПМИД   20351798 .
  • Канг Д.К., Сильвеску А., Чжан Дж. и Хонавар В. Генерация таксономий значений атрибутов на основе данных для точного и компактного построения классификатора. Международная конференция IEEE по интеллектуальному анализу данных, IEEE Press. стр. 130–137, 2004.
  • Р. Поликар, Л. Удпа, С. Удпа и В. Хонавар (2004). Алгоритм постепенного обучения с доверительной оценкой для автоматической идентификации сигналов неразрушающего контроля. Транзакции IEEE по ультразвуку, сегнетоэлектрике и контролю частоты. Том. 51. С. 990–1001, 2004.
  • Атраментов А., Лейва Х. и Хонавар В. (2003). Алгоритм обучения многореляционного дерева решений – реализация и эксперименты. В: Материалы тринадцатой международной конференции по индуктивному логическому программированию. Берлин: Springer-Verlag.
  • Чжан Дж. и Хонавар В. (2003). Изучение классификаторов дерева решений на основе таксономий значений атрибутов и частично заданных данных. В: Материалы Международной конференции по машинному обучению (ICML-03).
  • Чжан Дж., Сильвеску А. и Хонавар В. (2002). Индукция деревьев решений на основе онтологий на нескольких уровнях абстракции. В: Материалы симпозиума по абстракции, переформулировке и аппроксимации. Берлин: Springer-Verlag.
  • Поликар Р., Удпа Л., Удпа С. и Хонавар В. (2001). Learn++: Алгоритм поэтапного обучения для многоуровневых персептронных сетей. Транзакции IEEE по системам, человеку и кибернетике. Том. 31, № 4. С. 497–508.
  • Парех Р. и Хонавар В. (2001). Обучение DFA на простых примерах. Машинное обучение. Том. 44. стр. 9–35.
  • Сильвеску А. и Хонавар В. (2001). Временные булевы сетевые модели генетических сетей и их вывод из временных рядов экспрессии генов. Сложные системы.. Том. 13. № 1. С. 54-.
  • Балакришнан К., Буске О. и Хонавар В. (2000). Пространственное обучение и локализация у животных: вычислительная модель и ее значение для мобильных роботов, адаптивное поведение. Том. 7. нет. 2. С. 173–216.
  • Карагеа Д., Силвеску А. и Хонавар В. (2000). Агенты, обучающиеся на основе распределенных динамических источников данных. В: Материалы семинара ECML 2000/Agents 2000 по обучению агентов. Барселона, Испания.
  • Парех Р. и Хонавар В. (2000). О взаимосвязи между моделями обучения в полезной среде. В: Материалы Пятой Международной конференции по грамматическому выводу. Лиссабон, Португалия.
  • Парех Р., Ян Дж. и Хонавар В. (2000). Конструктивные алгоритмы обучения нейронных сетей для классификации шаблонов по нескольким категориям. Транзакции IEEE в нейронных сетях. Том. 11. № 2. С. 436–451.
  • Поликар Р., Удпа Л., Удпа С. и Хонавар В. (2000). Learn++: Алгоритм поэтапного обучения для многослойных персептронных сетей. В: Материалы конференции IEEE по акустике, речи и обработке сигналов (ICASSP), 2000. Стамбул, Турция.
  • Ян Дж., Парех Р. и Хонавар В. (2000). Сравнение производительности вариантов алгоритмов однослойного персептрона на неразделимых данных. Нейронные, параллельные и научные вычисления. Том. 8. С. 415–438.
  • Ян Дж. и Хонавар В. (1999). DistAl: алгоритм конструктивного обучения нейронной сети на основе межшаблонного расстояния. Интеллектуальный анализ данных. Том. 3. С. 55–73.
  • Парех Р. и Хонавар В. (1999). Простые DFA полиномиально, вероятно, точно изучаются на простых примерах. В: Материалы Международной конференции по машинному обучению. Блед, Словения.
  • Буске О., Балакришнан К. и Хонавар В. (1998). Является ли гиппокамп фильтром Калмана? В: Материалы Тихоокеанского симпозиума по биокомпьютингу. Сингапур: World Scientific. стр. 655–666.
  • Парех Р., Никитиу К. и Хонавар В. (1998). Полиномиальный алгоритм с приращением времени для обучения DFA. В: Материалы Четвертого Международного коллоквиума по грамматическому выводу (ICGI'98), Эймс, Айова. Конспекты лекций по информатике, том. 1433 стр. 37–49. Берлин: Springer-Verlag.
  • Ян Дж. и Хонавар В. (1998). Выбор подмножества признаков с использованием генетического алгоритма. Интеллектуальные системы IEEE (специальный выпуск, посвященный преобразованию функций и выбору подмножества). том. 13. С. 44–49.
  • Парех Р.Г., Ян Дж. и Хонавар В. (1997). MUPStart — конструктивный алгоритм обучения нейронной сети для классификации шаблонов по нескольким категориям. В: Материалы Международной конференции IEEE по нейронным сетям (ICNN'97). Хьюстон, Техас. стр. 1924–1929.
  • Парех Р.Г., Ян Дж. и Хонавар В. (1997). Стратегии сокращения для конструктивных алгоритмов обучения нейронных сетей. В: Материалы Международной конференции IEEE по нейронным сетям (ICNN'97). Хьюстон, Техас. стр. 1960–1965. 9–12 июня 1997 г.
  • Парех Р.Г. и Хонавар В. (1997) Изучение DFA на простых примерах. В: Материалы международного семинара по теории алгоритмического обучения. (АЛТ 97). Сендай, Япония. Конспекты лекций по информатике. Том. 1316 стр. 116–131.
  • Чен Ч., Парех Р., Ян Дж., Балакришнан К. и Хонавар В. (1995). Анализ границ принятия решений, генерируемых конструктивными алгоритмами обучения нейронных сетей. В: Материалы Всемирного конгресса по нейронным сетям (WCNN'95). Вашингтон, округ Колумбия, 17–21 июля 1995 г., стр. 628–635.
  • Хонавар, В.; Ур, Л. (1993). «Структуры генеративного обучения для обобщенных коннекционистских сетей». Информационные науки . 70 (1–2): 75–108. дои : 10.1016/0020-0255(93)90049-р .
  • Хонавар, В. (1992). Некоторые ошибки для эффективного изучения пространственных, временных и пространственно-временных закономерностей. В: Материалы Международной совместной конференции по нейронным сетям. Пекин, Китай.

Представление знаний и семантическая сеть

  • Тао, Дж.; Слуцкий, Г.; Хонавар, В. (2015). «Концептуальная основа рассуждений о сохранении секретности в базах знаний». Транзакции ACM в вычислительной логике . 16 :1–32. дои : 10.1145/2637477 . S2CID   11436585 .
  • Сантанам, Г.Р., Басу, С. и Хонавар, В. (2013) Проверка преференциальной эквивалентности и включения посредством проверки модели. На Международной конференции по теории алгоритмических решений (стр. 324–335). Шпрингер Берлин Гейдельберг.
  • Тао Дж., Слуцки Г. и Хонавар В. (2012). Табличные алгоритмы PSpace для ациклического модального ALC. Журнал автоматизированного рассуждения. Том. 49. стр. 551–582.
  • Сантанам, Г.; Басу, С.; Хонавар, В. (2011). «Представление и рассуждение с качественными предпочтениями для композиционных систем». Журнал исследований искусственного интеллекта . 42 : 211–274.
  • Сантанам Г., Суворов Ю., Басу С. и Хонавар В. (2011). Проверка политики вмешательства для противодействия распространению инфекции по сетям: подход к проверке модели. В: Материалы двадцать пятой конференции по искусственному интеллекту (AAAI-2011). стр. 1408–1414.
  • Пандит С. и Хонавар В. (2010). Извлечение сложных вложенных отношений на основе онтологии, В: 22-я Международная конференция IEEE по инструментам с искусственным интеллектом, Аррас, Франция, 2010 г., стр. 173-178.
  • Сангви Б., Коул Н. и Хонавар В. (2010). Выявление и устранение несоответствий в отображениях между иерархическими онтологиями. В: Конспекты лекций Springer-Verlag по информатике, том. 6427, стр. 999–1008. Берлин: Шпрингер.
  • Сантанам Г., Басу С. и Хонавар В. (2010). Эффективное тестирование доминирования безусловных предпочтений. В: Материалы двенадцатой Международной конференции по принципам представления и рассуждения знаний (KR 2010). стр. 590–592. АААИ Пресс.
  • Сантанам Г., Басу С. и Хонавар В. (2010). Тестирование доминирования посредством проверки модели. В: Материалы 24-й конференции AAAI по искусственному интеллекту (AAAI-10). стр. 357–362. АААИ Пресс.
  • Бао Дж., Воутсадакис Г., Слуцки Г. Хонавар: В. (2009). Логика описания на основе пакетов. В: Модульные онтологии: концепции, теории и методы модуляризации знаний. Конспекты лекций по информатике Vol. 5445, стр. 349–371.
  • Бао Дж., Воутсадакис Г., Слуцки Г. и Хонавар В. (2008). О разрешимости отображений ролей между модульными онтологиями. В: Материалы 23-й конференции по искусственному интеллекту (AAAI-2008), Менло-Парк, Калифорния: AAAI Press, стр. 400–405.
  • Бао Дж., Слуцки Г. и Хонавар В. (2007). Подход семантического импорта к повторному использованию знаний из нескольких онтологий. В: Материалы 22-й конференции по искусственному интеллекту (AAAI-2007). Ванкувер, Канада. Подход семантического импорта к повторному использованию знаний из нескольких онтологий. стр. 1304–1309. АААИ Пресс.
  • Бао Дж., Слуцки Г. и Хонавар В. (2007). Рассуждения о сохранении конфиденциальности в семантической сети. Конференция IEEE/WIC/ACM по веб-аналитике. IEEE. стр. 791–797.
  • Бао Дж., Карагеа Д. и Хонавар В. (2006). О семантике связывания и импорта в модульных онтологиях. В: Труды Международной конференции по семантической сети (ISWC 2006), Конспекты лекций по информатике, Берлин: Springer. Конспекты лекций по информатике Vol. 4273, стр. 72–86.
  • Бао Дж., Карагеа Д. и Хонавар В. (2006). Алгоритм федеративного рассуждения на основе таблиц для модульных онтологий. В: Материалы конференции ACM/IEEE/WIC по веб-аналитике. IEEE Пресс. стр. 404–410.
  • Бао Дж., Карагеа Д. и Хонавар В. Алгоритм распределенных таблиц для логики описания на основе пакетов. Материалы второго международного семинара по представлению контекста и рассуждению (CRR 2006), Рива-дель-Гарда, Италия, CEUR. 2006.
  • Бао Дж., Карагеа Д. и Хонавар В. Модульные онтологии – формальное исследование семантики и выразительности. В материалах первой азиатской конференции по семантической сети, Пекин, Китай, Springer-Verlag. Том. Том. 4185, стр. 616–631, 2006. Премия за лучшую статью.
  • Сильвеску А. и Хонавар В. Независимость, разложимость и функции, которые принимают значения в абелеву группу. Труды девятого международного симпозиума по искусственному интеллекту и математике, девятый симпозиум по искусственному интеллекту и математике - материалы , 2006.

Инфраструктура данных и вычислений для совместной науки

  • Парашар М., Хонавар В., Симонет А., Родеро И., Гахрамани Ф., Агню Г. и Янц Р. (2020). Коллаборатория виртуальных данных: региональная киберинфраструктура для совместных исследований, основанных на данных. Вычисления в науке и технике 22:3:79-92
  • Сантанам Г.Р., Басу С. и Хонавар В. (2013). Адаптация услуг на основе предпочтений с использованием замены услуг. В материалах международных совместных конференций IEEE/WIC/ACM 2013 г. по веб-разведке (WI) и интеллектуальным агентным технологиям (IAT) – том 01 (стр. 487–493). Компьютерное общество IEEE.
  • Сан Х., Басу С., Хонавар В. и Лутц Р. (2010). Автоматизированная проверка требований безопасности составных веб-сервисов. В: Материалы Международного симпозиума IEEE по проектированию надежности программного обеспечения (ISSRE-2010). стр. 348–357, IEEE Press.
  • Сантанам Г.Р., Басу С. и Хонавар В. (2009). Замена веб-сервиса на основе предпочтений нефункциональных атрибутов. В: Материалы Международной конференции IEEE по вычислительным сервисам (SCC 2009).
  • Патхак Дж., Басу С. и Хонавар В. (2008). Составление веб-сервисов посредством автоматического изменения спецификаций сервисов. Труды Международной конференции IEEE по вычислительным сервисам, IEEE, стр. 361–369.
  • Патак, Дж.; Басу, С.; Лутц, Р.; Хонавар, В. (2008). «MoSCoE: подход к созданию веб-сервисов посредством итеративной переформулировки функциональных спецификаций». Международный журнал по инструментам искусственного интеллекта . 17 (1): 109–138. CiteSeerX   10.1.1.301.6753 . дои : 10.1142/s0218213008003807 .
  • Сантанам Г., Басу С. и Хонавар В. (2008). TCP-Compose* — основанный на TCP-сети алгоритм для эффективного составления веб-сервисов на основе качественных предпочтений. Материалы 6-й Международной конференции по сервис-ориентированным вычислениям, Конспекты лекций Springer-Verlag по информатике, Vol. 5254. стр. 453–467.
  • Патхак Дж., Басу С. и Хонавар В. (2007). О контекстно-зависимой взаимозаменяемости веб-сервисов. В: Материалы Международной конференции IEEE по веб-сервисам. стр. 192–199. IEEE Пресс.
  • Патхак Дж., Ли Ю., Хонавар В., МакКалли Дж. (2007). Сервис-ориентированная архитектура управления активами системы передачи электроэнергии. Второй международный семинар по приложениям, ориентированным на инженерные услуги: проектирование и композиция, конспекты лекций по информатике, Берлин: Springer-Verlag, 2007.
  • Патхак Дж., Басу С., Лутц Р. и Хонавар В. (2006). Выбор и составление веб-сервисов посредством итеративной переформулировки функциональных спецификаций. Материалы Международной конференции IEEE по инструментам с искусственным интеллектом (ICTAI 2006), Вашингтон, округ Колумбия, IEEE Press. Награда за лучшую бумагу. стр. 445–454.
  • Патхак Дж., Басу С. и Хонавар В. (2006). Моделирование веб-сервисов путем итеративной переформулировки функциональных и нефункциональных требований. Материалы Международной конференции по сервис-ориентированным вычислениям. Конспекты лекций по информатике, Берлин: Springer, Vol. 4294, стр. 314–326.
  • Патхак Дж., Юань Л., Хонавар В. и МакКолли Дж. (2006). Сервис-ориентированная архитектура для управления активами системы передачи электроэнергии, В: Материалы второго международного семинара по инженерным сервис-ориентированным приложениям: проектирование и композиция (WESOA-2006), Конспекты лекций по информатике, Берлин: Springer-Verlag.
  • Патхак Дж., Басу С., Лутц Р. и Хонавар В. (2006). Параллельная композиция веб-сервисов в MoSCoE: подход, основанный на хореографии. Материалы Европейской конференции IEEE по веб-сервисам (ECOWS 2006), Цюрих, Швейцария, IEEE. В печати.
  • Патхак Дж., Басу С. и Хонавар В. Моделирование композиции веб-сервиса с использованием систем символических переходов. Семинар AAAI '06 по технологиям на основе искусственного интеллекта для сервис-ориентированных вычислений (AI-SOC), Бостон, Массачусетс, AAAI Press, 2006.
  • Патхак Дж., Коул Н., Карагеа Д. и Хонавар В. Структура обнаружения семантических веб-сервисов. Материалы 7-го Международного семинара ACM по веб-информации и управлению данными (WIDM 2005)., ACM Press. стр. 45–50, 2005.
  • Патхак Дж., Карагеа Д. и Хонавар В. Рабочие процессы на основе компонентов с расширенными онтологиями: основа для построения сложных рабочих процессов из семантически неоднородных программных компонентов. Семинар VLDB-04 по семантической сети и базам данных. Конспекты лекций Springer-Verlag по информатике. Торонто, Springer-Verlag. Том. 3372. стр. 41–56, 2004.

Прикладная информатика: биоинформатика, информатика здравоохранения, информатика материалов.

Компьютерная и информационная безопасность

  • Лян Дж., Го В., Луо Т., Хонавар В., Ван Г. и Син Х. (2021) FARE: включение детальной категоризации атак на основе маркированных данных низкого качества. В: Материалы симпозиума по безопасности сетей и распределенных систем.
  • Остер З., Сантанам Г., Басу С. и Хонавар В. (2013). Модель проверки предпочтений качественной чувствительности для минимизации раскрытия учетных данных. Международный симпозиум по формальным аспектам компонентного программного обеспечения. Конспекты лекций Springer-Verlag по информатике, том. 7684, стр. 205–223, 2013.
  • Хелмер, Г.; Вонг, Дж.; Слагелл, М.; Хонавар, В.; Миллер, Л.; Ван, Ю.; Ван, X.; Стаханова, Н. (2007). «Дерево ошибок программного обеспечения и цветная сеть Петри, спецификация, проектирование и реализация агентных систем обнаружения вторжений». Международный журнал информационной и компьютерной безопасности . 1 (1/2): 109–142. дои : 10.1504/ijics.2007.012246 .
  • Ван, Ю.; Бехера, С.; Вонг, Дж.; Хелмер, Г.; Хонавар, В.; Миллер, Л.; Лутц, Р. (2006). «На пути к автоматической генерации мобильных агентов для распределенных систем обнаружения вторжений». Журнал систем и программного обеспечения . 79 : 1–14. дои : 10.1016/j.jss.2004.08.017 .
  • Канг Д.К., Фуллер Д. и Хонавар В. Изучение детекторов неправильного использования и аномалий на основе векторного представления частоты системных вызовов. Международная конференция IEEE по разведке и информатике безопасности. Конспекты лекций Springer-Verlag по информатике, Springer-Verlag. Том. 3495. стр. 511–516, 2005.
  • Хелмер, Г.; Вонг, Дж.; Хонавар, В.; Миллер, Л. (2003). «Легкие агенты для обнаружения вторжений». Журнал систем и программного обеспечения . 67 (2): 109–122. CiteSeerX   10.1.1.308.7424 . дои : 10.1016/s0164-1212(02)00092-4 .
  • Хелмер, Г.; Вонг, Дж.; Слагелл, М.; Хонавар, В.; Миллер, Л.; Лутц, Р. (2002). «Подход к определению требований к системе обнаружения вторжений на основе дерева ошибок программного обеспечения». Инженерия требований . 7 (4): 207–220. CiteSeerX   10.1.1.101.853 . дои : 10.1007/s007660200016 . S2CID   7414703 .
  1. ^ «Выпускники BMSCE» . Проверено 7 августа 2022 г.
  2. ^ «Проект математической генеалогии» . Проверено 1 августа 2022 г.
  3. ^ «Васант Хонавар» . факультет.ist.psu.edu .
  4. ^ Перейти обратно: а б «Васант Хонавар назначил Хака председателем кафедры биомедицинских наук о данных и искусственного интеллекта» . Проверено 20 октября 2021 г.
  5. ^ «Лаборатория исследований искусственного интеллекта» . Проверено 29 мая 2015 г.
  6. ^ «Государственный институт вычислений и обработки данных Пенсильвании» . Проверено 29 мая 2015 г.
  7. ^ «Центр штата Пенсильвания по развитию инструментов искусственного интеллекта для ускорения научного прогресса» . Проверено 12 июля 2021 г.
  8. ^ «Северо-восточный центр инноваций в области больших данных» . Проверено 13 июля 2021 г.
  9. ^ «Члены консорциума компьютерного сообщества» . Проверено 29 мая 2015 г.
  10. ^ «CCC объявляет новых членов» . Проверено 31 мая 2015 г.
  11. ^ « В IISc открыта кафедра «Судха Мурти»» . 13 октября 2016 г. Проверено 13 июля 2021 г.
  12. ^ «Выдающиеся члены ACM 2018 года отмечены за вклад, который произвел революцию в том, как мы живем, работаем и играем» . Проверено 13 июля 2021 г.
  13. ^ «AAAS награждает выдающихся ученых в качестве избранных научных сотрудников 2018 года» . Проверено 13 июля 2021 г.
  14. ^ «NSF 12-499 Основные методы и технологии для больших данных» . Проверено 29 мая 2015 г.
  15. ^ «От анализа данных к вычислительным открытиям и информатике открытий» . Проверено 29 мая 2015 г.
  16. ^ «Административные комитеты программы BCB 2003-2004» . Архивировано из оригинала 22 июня 2004 г. Проверено 12 июля 2022 г.
  17. ^ Перейти обратно: а б В IISc открыта кафедра Судха Мурти . 13 октября 2016 г. Проверено 14 октября 2016 г.
  18. ^ «AAAI 2022: Конференция AAAI по искусственному интеллекту» . Проверено 13 июля 2021 г.
  19. ^ «ОРЦИД» . orcid.org .
  20. ^ «Страница Google Scholar Васанта Хонавара» . Проверено 13 июля 2021 г.
  21. ^ «Поиск по каталогу Библиотеки Конгресса» . Проверено 29 мая 2015 г.
  22. ^ «Северо-восточный центр инноваций в области больших данных» . Проверено 20 октября 2019 г.
  23. ^ «Восточная региональная сеть» . Проверено 20 июня 2021 г.
  24. ^ «Семинар по мозгу, вычислениям и обучению» . Проверено 20 октября 2019 г.
  25. ^ «Глобальный инновационный форум: трансформация интеллекта» . Проверено 20 октября 2019 г.
  26. ^ «Семинар США-Сербии и Западных Балкан по науке о данных» . 12 августа 2018 года . Проверено 20 октября 2019 г.
  27. ^ «Международная летняя школа по глубокому обучению» . Проверено 20 октября 2019 г.
  28. ^ «Институт открытия, проектирования и синтеза материалов с использованием искусственного интеллекта» . Проверено 14 февраля 2022 г.
  29. ^ «Ускорение науки: грандиозный вызов для ИИ» . Проверено 14 февраля 2022 г.
  30. ^ «Борьба с эпидемией отчаяния» . Проверено 14 февраля 2022 г.
  31. ^ «Хонавар удостоен награды за руководство программой больших данных NSF» . Проверено 29 мая 2015 г.
  32. ^ «Внутри штата Айова» (PDF) . Проверено 31 мая 2015 г.
  33. ^ «Награды преподавателям и сотрудникам LAS за преподавание, услуги и исследования» . Проверено 31 мая 2015 г.
  34. ^ «Осенний университетский призыв и церемония награждения 2007 г.» . Проверено 31 мая 2015 г.
  35. ^ «125 влиятельных людей» . Архивировано из оригинала 28 августа 2016 г. Проверено 25 августа 2016 г. (Доступно через Интернет-архив)
  36. ^ «Выдающиеся члены ACM 2018 года отмечены за вклад, который произвел революцию в том, как мы живем, работаем и играем» . Проверено 8 ноября 2018 г.
  37. ^ «AAAS награждает выдающихся ученых в качестве избранных научных сотрудников 2018 года» . Проверено 29 ноября 2018 г.
  38. ^ «Мы с гордостью объявляем о первых стипендиатах EAI» . 10 мая 2019 года . Проверено 15 февраля 2022 г.
[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 2065683222cd64a07d90e3d045a73fe2__1717544100
URL1:https://arc.ask3.ru/arc/aa/20/e2/2065683222cd64a07d90e3d045a73fe2.html
Заголовок, (Title) документа по адресу, URL1:
Vasant Honavar - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)