Εφαρμοσμένες Μαθηματικές Επιστήμες
Διατμηματικό πρόγραμμα μεταπτυχιακών σπουδών
Σας ενημερώνουμε ότι την εβομάδα 13/5/2024 – 17/5/2024 θα πραγματοποιηθεί η εξέταση μεταπτυχιακών μαθημάτων του χειμερινού εξαμήνου, ακαδημαϊκού έτους 2023-2024 (αφορά μαθήματα, τα οποία δεν έχουν εξεταστεί). Σύντομα θα αναρτηθεί το σχετικό πρόγραμμα εξετάσεων.
Από τη Γραμματεία του ΔΠΜΣ
Η ομιλία θα πραγματοποιηθεί τη Δευτέρα, 8 Απριλίου, 2024 & ώρα: 15:30, στην Αίθουσα Σεμιναρίων του Τομέα Μαθηματικών ΣΕΜΦΕ, κτ. Ε΄, 2ος όροφος.
Ομιλητής: Ανδρέας Βικελής, University of Vienna
Τίτλος: Λύσεις μέτρα για το σύστημα της ελαστοπλαστικότητας σε συνθήκες μεγάλων παραμορφώσεων
Περίληψη: Μια σειρά από φαινόμενα που συναντάμε στη φύση και πιο συγκεκριμένα στη μηχανική των υλικών, περιγράφονται μέσα από διαφορικές σχέσεις που συχνά είναι πολύ δύσκολο να μελετηθούν λόγω της αυξημένης μαθηματικής τους πολυπλοκότητας. Στη συγκεκριμένη ομιλία θα εστιάσουμε στα εξελικτικά εκείνα φαινόμενα που περιγράφονται από ανεξάρτητα-ρυθμού συστήματα, δηλαδή για παράδειγμα συστήματα που δεν εξαρτώνται από το πόσο γρήγορα ή για πόση διάρκεια εφαρμόζονται σε αυτά εξωτερικές δυνάμεις.
Εισάγοντας τις βασικές αρχές της θεωρίας αυτών των συστημάτων και πιο συγκεκριμένα την έννοια των ενεργειακών λύσεων, θα μελετήσουμε το πρόβλημα της εξελικτικής ελαστοπλαστικότητας σε συνθήκες μεγάλων παραμορφώσεων, ένα πρόβλημα που παραμένει μέχρι και σήμερα ανεξερεύνητο.
Σε αυτήν την κατεύθυνση, θα παρουσιάσω ένα αποτέλεσμα ύπαρξης λύσεων-μέτρων του quasi-στατικού προβλήματος που διατηρούν τις φυσικές ιδιότητες του συστήματος, δηλαδή είναι ευσταθείς και διατηρούν την ενέργεια. Τόσο η γενικότερη θεωρία των quasi-στατικών εξελικτικών προβλημάτων, όσο και η δική μας συνεισφορά στο πεδίο αυτό, βασίζεται σε τεχνικές από τη θεωρία μεταβολών. Η δουλειά αυτή είναι σε συνεργασία με τον Ulisse Stefanelli.
Το πρόγραμμα του σεμιναρίου για το ακαδημαϊκό έτος 2023-24 βρίσκεται στη διεύθυνση:
https://sites.google.com/view/analysis-seminar-samps/
Από την Επιτροπή του Σεμιναρίου Ανάλυσης
Σας ενημερώνουμε ότι τη Δευτέρα 1/4/2024 & ώρα 15:30, στην Αίθουσα Σεμιναρίων του Τομέα Μαθηματικών, θα πραγματοποιηθεί η ομιλία της Αλεξάνδρας Τζέλλα, University of Birmingham, στο πλαίσιο των διαλέξεων του Σεμιναρίου Ανάλυσης.
Τίτλος : “Diffusion in arrays of obstacles: beyond homogenisation”
Abstract : “We examine the diffusion of a chemical or heat released in a homogeneous medium interrupted by an infinite number of impermeable obstacles arranged in a periodic lattice. We extend classical results due to Maxwell, Rayleigh and Keller by applying ideas of large-deviation theory to describe the concentration or temperature distribution at large distances
from the point of release. We use matched asymptotics to obtain explicit results in the case of nearly touching obstacles, when the transport is strongly inhibited. The technique developed can be applied to complex systems including porous media and composite materials. This is based on joint work with Y. Farah, D. Loghin and J. Vanneste.”
Το πρόγραμμα του σεμιναρίου για το ακαδημαϊκό έτος 2023-24 βρίσκεται στη διεύθυνση:
https://sites.google.com/view/analysis-seminar-samps/
Από την Επιτροπή του Σεμιναρίου Ανάλυσης
Σας ανακοινώνουμε τη διάλεξη του κ. Daniel Schmidt Associate Professor of Computer Science at the Department of Data Science and AI, Monash University, Australia, (https://research.monash.edu/en/persons/daniel-schmidt).
Η ομιλία θα πραγματοποιηθεί την Παρασκευή 29 Μαρτίου 2024 & ώρα 13:00 στην αίθουσα Σεμιναρίων του Τομέα Μαθηματικών ΣΕΜΦΕ.
Τίτλος : Prevalidated ridge regression as a highly-efficient drop-in replacement for logistic regression for high-dimensional data
Abstract: Linear models are widely used in classification and are particularly effective for high-dimensional data where linear decision boundaries/separating hyperplanes are often effective for separating classes, even for complex data. A recent example of a technique effectively utilising linear classifiers is the ROCKET family of classifiers for time series classification. One reason that the ROCKET family is so fast is due to its use of a linear classifier based around standard squared-error ridge regression. Fitting a linear model based on squared-error is significantly faster and more stable than fitting a standard regularised multinomial logistic regression based on logarithmic-loss (i.e., regularised maximum likelihood), as in the latter case the solutions can only be found via a numerical search.
While fast, one drawback of using squared-error ridge-regression is that it is unable to produce probabilistic predictions. I will demonstrate some very recent work on how to use regular ridge-regression to train L2-regularized multinomial logistic regression models for very large numbers of features, including choosing a suitable degree of regularization, with a time complexity that is no greater than single ordinary least-squares fit. This in contrast to logistic regression, which requires a full refit for every value of regularisation parameter considered, and every fold used for cross-validation. Using our new approach allows for models based on linear classifier technology to provide well calibrated probabilistic predictions with minimal additional computational overhead. If time permits, I will also discuss some thoughts on when such linear classifiers would be expected to perform well.
Από την Επιτροπή Σεμιναρίων
1) Η διδασκαλία του μαθήματος Αλγεβρα, ξεκινάει αύριο
21/02/24 & ώρα 10:45 στην πλατφόρμα:
https://centralntua.webex.com/meet/sofial
Αύριο θα συζητηθούν και ώρες και μέρες
πάλι, για οριστικοποίηση.
2) Η διδασκαλία του μαθήματος Θεωρία Κόμβων,Τοπολογία Χαμηλών Διαστάσεων & Εφαρμογές, θα πραγματοποιηθεί αύριο 21/02/24 & ώρα 15.15 στην πλατφόρμα:
https://centralntua.webex.com/meet/sofial
Και τα δύο μαθήματα θα εμφανίζονται μέχρι αύριο συνδεδεμένα στο ΔΠΜΣ ΕΜΕ στην πλατφόρμα HELIOS.
Από την διδάσκουσα
Σ. Λαμπροπούλου
Σας ενημερώνουμε ότι, όπως μας κοινοποίησαν οι διδάσκοντες του μαθήματος, η έναρξη των μαθημάτων θα πραγματοποιηθεί την Παρασκευή 16/2/2024.