Vai al contenuto principale

Ciclo di conferenze Mathlab a.a. 2020-21

(conferenze di carattere generale)

Lezione Lagrangiana
 
28 settembre ore 16:30 aula Magna (seminario in presenza)
 
Luca Trevisan (Milano Bocconi)
 
Abstract: Spectral graph theory deals with the use of linear-algebraic techniques to study properties of graphs and to develop graph algorithms. Spectral graph algorithms are particularly effective, in practice, at discovering "clusters" in graphs.

In this talk we will present rigorous evidence for the good performance of such algorithms, and our results will take the form of refined and generalized "Cheeger inequalities", relating the value of Laplacian eigenvalues to combinatorial properties of the graph.

The techniques that we developed to prove our results have been used to resolve a nearly 40+ year old conjecture on infinite-dimensional Markov processes. A number of interesting problems remains open.
 
A causa delle limitazioni al numero di partecipanti per rispettare le norme COVID-19 sulla capienza aule, sarà necessario pre-iscriversi per ottenere l'accesso. Le modalità per tale pre-iscrizione verranno comunicate al più presto sulla pagina Moodle del corso.

Si annuncia un seminario MathLab, 27 maggio ore 14.30.
Verrà tenuto da Michela Baccini dell'Università di Firenze con titolo "Compartmental models for the analysis of SARS-COV2 epidemic dynamics in Italy". 
 
Abstract:
Compartmental models are widely used to model infectious disease
epidemics. Using a SIRD model calibrated on COVID19-related deaths, we
describe the dynamics of the second wave of SARS-CoV-2 epidemic in Italy
at regional level. We estimate the time-varying reproductive number,
R0(t), modelled as a natural cubic spline, and quantify the number of
infections, included their submerged portion, under different infection
fatality rate (IFR) scenarios. Comparing the observed number of
infections with its prediction under different scenarios, we try to
define a possible upper bound for IFR. The assumptions underlying the
model are discussed.
 
Ulteriori informazioni compaiono sull'apposita pagina moodle.

20 maggio 2021, ore 16.30
 
Title:
Between Model Theory and Set Theory - some recent issues.
 
Abstract:
This will be an introductory survey of some recent research topics at the edge between modle theory and set theory.
 
Reperibile al link:

From parametric to quiver machines: 18 maggio alle 17 - Pietro Vertechi (VEOS - Digital)

Abstract. Data scientists often build artificial neural architectures for applications by either modifying existing models or iterative trial and error. The parametric machines framework offers, by construction, the possibility to sculpt architectures automatically during training. We will showcase this technique on three applications, showing how parametric machines are particularly efficient (outperforming deep neural networks) on small datasets (i.e., datasets with approximately 100 training samples). After that, we will move back to a more topology-oriented formalism describing a special case of parametric machines named quiver machines, which encode both symmetry and architecture as a map between two smooth quivers (in a sense that will be defined). We will show that this general computational device can be implemented efficiently on a GPU. We will present results on time-series classification and forecasting tasks.

Al seguente link

Deep learning, operators, and parametric machines: 11 maggio alle 17- Mattia Bergomi (VEOS - Digital)

Abstract. Deep learning can solve some real-world tasks with human or super-human accuracy. However, the black-box nature of deep learning makes it challenging to evaluate which features and data transformations allow neural architectures to tackle a given task. This characteristic could make neural architectures as task-specific as handcrafted, engineered feature extractors. After a brief introduction to deep learning, we will introduce two mathematically grounded formalizations of deep learning. First, we will define spaces of group equivariant non-expansive operators (GENEOs). These spaces will serve as essential knowledge reservoirs that we can inject into a neural architecture to control its learning paths, allowing the network to generalize to unseen data points from few training samples. Extending on the GENEOs framework, we will then introduce the parametric machine's framework: a formal theory defining a parametric space where artificial neural networks live and can be combined to define original architectures. Moving from the topological setting to a more analytical one, we will show how parametric machines generalize discrete artificial neural networks and their state-of-the-art continuous counterpart: Neural Ordinary Differential Equations.

Al seguente link

Seminario di Storia della Matematica
Data:venerdì 9 aprile 2021 alle ore 15.

Relatore: Prof. Aldo Brigaglia (Università di Palermo)

Titolo:  "Luigi Cremona ( 1830 - 1903), ricerca e impegno istituzionale nel periodo romano."
 
Altre info alla pagina

Data: 24 Marzo 2021 ore 15.
 
Titolo: "Minorazioni dell'altezza di numeri algebrici: qualche risultato recente".
 
Docente: Prof Francesco Amoroso.

Riassunto: L'altezza di un numero algebrico  (non nullo) e' una misura della sua complesiita' aritmetica. Per un risultato di Kronecker, l'insiemi dei numeri algebrici non nulli di altezza 0 e' costituito dalle radici dell'unità. Una celebre congettura di Lehmer prevede una minorazione inversamente proporzionale al grado per i numeri di altezza >0. In questo seminario presenteremo qualche risultato in direzione della congettura, ed in particolare un recente teorema di V. Dimitrov."
 
Il seminario avra' luogo online .

Property-Based and Structure-Preserving Approximate Bayesian Computation for partially observed diffusion processes Modifica nome della sezione

Relatore: M. Tamborrino (University of Warwick)

Data: 26 Gennaio 2021 ore 17:30

Abstract: Approximate Bayesian Computation (ABC) method has become one of the major tools for parameter inference in complex mathematical models in the last decade. The method is based on the idea of deriving an approximate posterior density aiming to target the true (unavailable) posterior by running massive simulations from the model to replace the intractable likelihood. When applying ABC to stochastic models, the derivation of effective summary statistics and proper distances is particularly challenging, since simulations from the model under the same parameter configuration result in different output. Moreover, since exact simulation from complex stochastic models is rarely possible, reliable numerical methods need to be applied. In this talk, we show how to use the underlying structural properties of the model to construct specific ABC summaries that are less sensitive to the intrinsic stochasticity of the model and the importance of adopting reliable property-preserving numerical (splitting) schemes for the synthetic data generation. In particular, we show how only the ABC inferences based on property-preserving numerical methods are accurate, while the commonly used Euler-Maruyama scheme drastically fails even with very small stepsizes. The approach is illustrated on both simulated and real electroencephalography data. 

link:

https://unito.webex.com/unito/j.php?MTID=m43d3c0642751f32a4be1cfe89d5cc3d6
Numero riunione:
121 604 8247
Password:
jWaf2hq6uw6

Relatore: Prof Samuele Antonini

Data: 11 gennaio 2021, ore 17:00

Titolo: Esempi, non-esempi e controesempi in matematica: analisi dei processi degli studenti

Abstract: L'apprendimento dei concetti matematici richiede l'attivazione di processi cognitivi e metacognitivi complessi che coinvolgono molto di più della definizione rigorosa. Una buona strategia di apprendimento è la costruzione, da parte degli stessi studenti, di esempi, non-esempi e controesempi. Per questo, una parte delle ricerche in didattica della matematica è stata dedicata allo studio dei processi di un soggetto coinvolto nella costruzione e nella trasformazione di esempi. Nel corso della conferenza verranno illustrati in sintesi alcuni dei processi identificati nel corso di uno studio con studenti esperti e verrà mostrato come da questi risultati sia stata costruita un’attività didattica per studenti di scuola secondaria di II grado.

Link: https://unito.webex.com/meet/carola.manolino

Model theory and groups

Relatrice: Annalisa Conversano (Massey, NZ)

 

Data: 8 gennaio 2021 ore 9:30(*)

Abstract: Model theory is a branch of mathematical logic with strong connections to most areas of mathematics and theoretical computer science. The last few decades have seen very interesting interactions between model theory and various classes of groups, in particular topological groups and Lie groups. Lie groups are smooth manifolds with a compatible group operation, and they are found everywhere in mathematics and all areas of science. If you have ever encountered a group of matrices during your studies, it was most likely a Lie group.

In this talk recent work on the connections between groups and model theory will be explained, and many examples will be presented, with a view towards future developments.

Zoom Meeting ID: 886 2603 1968

(*) La riunione si apre alle ore 9:20 con una chiacchierata informale in italiano. I seminario vero e proprio, in inglese, comincia alle 9:30 e durerà circa un'ora.

Seminario Math-Lab - Le modalità di riconoscimento per questo seminario sono quelle valide per i seminari del dipartimento di Matematica "G. Peano"- consegna riassunto entro 19 gennaio ore 18:00

 

Venerdì 18 Dicembre alle ore 14.30 il Dott. Maurizio Garrione (Politecnico di Milano) terrà un seminario dal titolo

 
"The shooting method for ODEs: an introduction"
 
Il seminario sarà accessibile tramite Webex, collegandosi al seguente link https://unito.webex.com/unito/j.php?MTID=mc540c60ad931ba83e9c6dd3b33e46b07
 
La conferenza, di carattere introduttivo e generale, è indirizzata specificamente agli studenti della laurea magistrale. 
 
Abstract: We will introduce the shooting method for (nonlinear) ODEs, starting from very basic examples. The method allows to convert the search for solutions of some kinds of boundary value problems [e.g., Dirichlet: $x''+g(t, x)=0$, $x(a)=0=x(b)$] into the study of an initial value (Cauchy) problem preserving one of the boundary requirements [e.g., $x''+g(t, x)=0$, $x(a)=0$, $x'(a)=k$], in dependence on a "free" initial condition [$x'(a)=k$]. The idea is to exploit suitable properties of continuous dependence and properly adjust the free initial condition in order to fulfill the missing requirement at the boundary [$x(b)=0$], via an Intermediate Value principle. Such a strategy will be illustrated and briefly seen at work, taking inspiration from research articles in the existing literature.
 

Le modalità di riconoscimento per questo seminario sono le stesse valide per i seminari del dipartimento di Matematica "G. Peano"- consegna riassunto entro mercoledì 29 dicembre ore 18:00

 

Relatore: Jozsef Lorinczi (Loughborough University, UK)

Titolo: Non-Local Dynamics - at the Interface of Stochastic Processes, Integro-Differential Equations and Operator Analysis

Data: Lunedì 7 Dicembre 2020

Ora: 17:00

Abstract
The observation that the Laplacian, the heat equation and Brownian motion are deeply related objects is one of the highlights of mathematics. Starting from explaining this relationship, I will discuss how it extends to other choices of operators, equations and random processes. In particular, I will move in the direction of processes with jump discontinuities, involving non-local operators and related integro-differential equations. Also, I will illustrate this
cross-fertilising connection between the related disciplines with some applications.  

Link: https://unito.webex.com/unito/j.php?MTID=me3c0d26f2768cf591de247abd41b027d

 

Numero riunione:
121 090 6218
Password:
nZsmAMMn424
Le modalità di riconoscimento per questo seminario sono le stesse valide per i seminari del dipartimento di Matematica "G. Peano"- consegna riassunto entro mercoledì 18 dicembre ore 18:00

Venerdi'  6  Novembre dalle 17:00 alle 18:30 si terra' un primo seminario dal titolo :   " INTRODUCTION TO COMPLEX DYNAMICS  I " tenuto dal Prof. John Erik Fornaess (Trondheim University, Norway - Michigan University, USA) via GoogleMeet al seguente link :
meet.google.com/hnx-eevj-amy

E' rivolto a tutti i Dottorandi e Ricercatori/Professori interessati,
nell' ambito delle Attività Formative 2019-2020  promosse e sponsorizzate dallo IUSS di Ferrara.

Chiunque fosse interessato all' argomento o voglia anche solo curiosare, e' calorosamente  invitato a partecipare , visto che l' argomento verra' presentato senza dare nulla per scontato.
 

Il giorno mercoledì, 04 novembre, ore 14:00, il Prof. Weinan E terrà un seminario dal titolo:

“A Mathematical Perspective of Machine Learning”

Maggiori informazioni nella locandina allegata.

Il seminario si terrà in forma telematica, tramite la piattaforma Zoom. Per collegarsi è necessario utilizzare le seguenti credenziali:

https://us02web.zoom.us/j/89949737483?pwd=aTQwemUwYXJmck9PRUFQYXZBa2wwUT09

Accedendo al seminario, si prega di tenere microfono e videocamera disattivati. Per porre domande al termine del seminario si prega di chiedere la parola in chat.

Questo seminario fa parte della serie "Mathematics for Artificial Intelligence - MAIn 2021" organizzata nell'ambito del "Progetto di Eccellenza" del Dipartimento di Scienze Matematiche "G. L. Lagrange" del Politecnico di Torino (www.polito.it/disma-excellence). Seguiranno altri seminari sul tema dell'interazione tra la Matematica e l'Intelligenza Artificiale, con cadenza bimensile o mensile. Tutti gli aggiornamenti sono reperibili sul sito https://areeweb.polito.it/disma-excellence/events_2020/MAIn.

 

Ultimo aggiornamento: 10/09/2021 11:51

Location: https://matematicalm.campusnet.unito.it/robots.html
Non cliccare qui!