NoML Digest
Kanalga Telegram’da o‘tish
База знаний: github.com/noml-community/noml-kb www.youtube.com/@NoML_community dzen.ru/noml Чат: @noml_community Рекламы здесь нет, по всем другим вопросам вопросам - @pvsnurnitsyn
Ko'proq ko'rsatish2 377
Obunachilar
Ma'lumot yo'q24 soatlar
-67 kunlar
-130 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyun '26
Iyun '26
+7
0 kanalda
May '26
+17
1 kanalda
Get PRO
Aprel '26
+19
1 kanalda
Get PRO
Mart '26
+22
1 kanalda
Get PRO
Fevral '26
+24
1 kanalda
Get PRO
Yanvar '26
+19
0 kanalda
Get PRO
Dekabr '25
+22
1 kanalda
Get PRO
Noyabr '25
+23
2 kanalda
Get PRO
Oktabr '25
+37
1 kanalda
Get PRO
Sentabr '25
+34
1 kanalda
Get PRO
Avgust '25
+23
0 kanalda
Get PRO
Iyul '25
+12
0 kanalda
Get PRO
Iyun '25
+43
0 kanalda
Get PRO
May '25
+32
1 kanalda
Get PRO
Aprel '25
+49
1 kanalda
Get PRO
Mart '25
+98
1 kanalda
Get PRO
Fevral '25
+66
3 kanalda
Get PRO
Yanvar '25
+39
1 kanalda
Get PRO
Dekabr '24
+43
2 kanalda
Get PRO
Noyabr '24
+54
1 kanalda
Get PRO
Oktabr '24
+57
3 kanalda
Get PRO
Sentabr '24
+51
4 kanalda
Get PRO
Avgust '24
+40
1 kanalda
Get PRO
Iyul '24
+102
6 kanalda
Get PRO
Iyun '24
+39
3 kanalda
Get PRO
May '24
+56
1 kanalda
Get PRO
Aprel '24
+85
0 kanalda
Get PRO
Mart '24
+81
6 kanalda
Get PRO
Fevral '24
+45
1 kanalda
Get PRO
Yanvar '24
+32
0 kanalda
Get PRO
Dekabr '23
+54
1 kanalda
Get PRO
Noyabr '23
+62
1 kanalda
Get PRO
Oktabr '23
+73
1 kanalda
Get PRO
Sentabr '23
+65
0 kanalda
Get PRO
Avgust '23
+38
0 kanalda
Get PRO
Iyul '23
+48
0 kanalda
Get PRO
Iyun '23
+51
0 kanalda
Get PRO
May '23
+55
0 kanalda
Get PRO
Aprel '23
+51
0 kanalda
Get PRO
Mart '23
+81
0 kanalda
Get PRO
Fevral '23
+71
0 kanalda
Get PRO
Yanvar '23
+68
0 kanalda
Get PRO
Dekabr '22
+88
0 kanalda
Get PRO
Noyabr '22
+37
0 kanalda
Get PRO
Oktabr '22
+81
0 kanalda
Get PRO
Sentabr '22
+125
0 kanalda
Get PRO
Avgust '22
+86
0 kanalda
Get PRO
Iyul '22
+121
0 kanalda
Get PRO
Iyun '22
+64
0 kanalda
Get PRO
May '22
+82
0 kanalda
Get PRO
Aprel '22
+27
0 kanalda
Get PRO
Mart '22
+21
0 kanalda
Get PRO
Fevral '22
+51
0 kanalda
Get PRO
Yanvar '22
+43
0 kanalda
Get PRO
Dekabr '21
+62
0 kanalda
Get PRO
Noyabr '21
+23
0 kanalda
Get PRO
Oktabr '21
+40
0 kanalda
Get PRO
Sentabr '21
+51
0 kanalda
Get PRO
Avgust '21
+33
0 kanalda
Get PRO
Iyul '21
+77
0 kanalda
Get PRO
Iyun '21
+34
0 kanalda
Get PRO
May '21
+187
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 24 Iyun | +1 | |||
| 23 Iyun | 0 | |||
| 22 Iyun | +1 | |||
| 21 Iyun | 0 | |||
| 20 Iyun | 0 | |||
| 19 Iyun | +1 | |||
| 18 Iyun | 0 | |||
| 17 Iyun | 0 | |||
| 16 Iyun | 0 | |||
| 15 Iyun | 0 | |||
| 14 Iyun | 0 | |||
| 13 Iyun | 0 | |||
| 12 Iyun | 0 | |||
| 11 Iyun | 0 | |||
| 10 Iyun | 0 | |||
| 09 Iyun | 0 | |||
| 08 Iyun | 0 | |||
| 07 Iyun | +1 | |||
| 06 Iyun | 0 | |||
| 05 Iyun | 0 | |||
| 04 Iyun | 0 | |||
| 03 Iyun | +2 | |||
| 02 Iyun | +1 | |||
| 01 Iyun | 0 |
Kanal postlari
Про сети очередей
В теории массового обслуживания (ТМО) есть такая интересная область как сети очередей. Если кратко: это обобщение классической системы массовго обслуживания (СМО) на случай, когда заявка/клиент после обслуживания не покидает систему, а маршрутизируется дальше в другой узел сети (детерминированно, вероятностно, в зависимости от состояния системы и т.д.). Получается граф из взаимосвязанных СМО, где выход одного узла становится входом для другого. Такими моделями можно описывать производственные и логистические цепочки, движение пациентов в больнице или посетителей в музее, вычислительные системы и маршрутизацию пакетов в компьютерной сети, ... практически любую систему с несколькими последовательными или параллельными стадиями обслуживания/обработки. Обычно с помощью таких моделей оценивают сквозные характеристики сети: среднее время прохождения заявки от входа до выхода, длины очередей и время ожидания на отдельных узлах, загрузку и простой серверов, вероятности блокировки из-за переполненных буферов, а также общую пропускную способность системы.
Примером классического результата являются так называемые сети Джексона: при ряде условий стационарное распределение поведения всей сети раскладывается в произведение распределений отдельных узлов, как будто узлы независимы друг от друга. То есть задача решается аналитически и это сильно облегчает анализ системы. Но стоит отойти от этих условий (добавить ограниченную ёмкость буферов и блокировки, приоритеты, не-марковсть, ...) и аналитическое решение уже невозможно, тогда надо применять приближённые численные методы и имитационное моделирование (ИМ).
Пара источников по которым можно познакомиться с областью подробнее:
• J.F. Shortle, J.M. Thompson, D. Gross, C.M. Harris, Fundamentals of Queueing Theory, 2018. Хорошая вводная книга по ТМО, от простых очередей, до сетевых моделей (сети Джексона), фокус прежде всего на аналитические методы, но упоминается также ИМ и численные методы.
• G. Bolch, S. Greiner, H. de Meer, K. Trivedi, Queueing Networks and Markov Chains, 2006. Отличная книга в качестве второй по ТМО, уже с фокусом на сетевые модели. В ней же очень хорошая глава 2 про марковские цепи. Плюс рекомендую (может быть даже в первую очередь) почитать разделы 1.1-1.2 про таксономию задач, методов решения и так называемых концептуализаций/формализаций, то есть как описывать системы различными парадигмами.
С практической точки зрения можно посмотреть на туториалы открытых фреймворков:
• Ciw
• queueing-tool
• LINE
• JMT
Более полный список материалов по ТМО и ИМ ведется в нашей базе знаний->.
| 2 | Про VLSI
Ниже материалы от докладчика Михаила Шеблаева.
Во-первых, для всех интересующихся темой: сейчас проходит хакатон Траектория САПР 2026, регистрируйтесь и участвуйте!
Во-вторых, очень хорошая книга с систематическим изложеним задач VLSI: A.B. Kahng, J. Lienig, I.L. Markov, J. Hu, VLSI Physical Design From Graph Partitioning to Timing Closure, 2011
И в-третьих, пара инструментов, которые упоминались на семинаре:
• The OpenROAD Project
• iEDA | 0 |
| 3 | М.В. Шеблаев (ФКИ МГУ, Аквариус), Задачи дискретной оптимизации в проектировании микроэлектроники
Запись прошлого семинара от 29 апреля:
YouTube->
Дзен->
RuTube->
Файл->
Презентация-> | 0 |
| 4 | 13 мая 2026 г., 12:00 МСК, онлайн
Задача Таммеса для 13 точек (сильная проблема тринадцати сфер)
Алексей Сергеевич Тарасов, к.ф.-м.н, TarasovMath
Яндекс Телемост->
Как плотно упаковать 13 шаров вокруг единичного шара? Этот вопрос уходит корнями в знаменитый спор Ньютона и Грегори 1694 года: могут ли 13 равных шаров одновременно касаться центрального? Ньютон утверждал, что нет, Грегори — что да. Правота Ньютона была строго доказана лишь в 1953 году (Шютте и ван дер Варден). Но сразу возник следующий, более тонкий вопрос: какого максимального радиуса должны быть 13 шаров, чтобы уместиться вокруг единичного? Это и есть задача Таммеса для N=13, известная также как сильная проблема тринадцати сфер, и она оставалась открытой вплоть до недавнего времени. В докладе будет представлено решение этой задачи. Ключевым инструментом стала нелинейная оптимизация в сочетании с перебором так называемых неприводимых графов — комбинаторных объектов, кодирующих структуру допустимых конфигураций. | 0 |
| 5 | 29 апреля 2026 г., 12:00 МСК, онлайн
Задачи дискретной оптимизации в проектировании микроэлектроники
Михаил Владимирович Шеблаев (ФКИ МГУ, Аквариус)
Яндекс Телемост-> (ссылка будет завтра)
В докладе речь пойдет о принципах проектирования и этапах разработки современных сверхбольших интегральных схем, а такж о задачах оптимизации, возникающих на каждом этапе. | 0 |
| 6 | Н.А. Лутовинова (ИПУ РАН), Классические задачи теории расписаний
YouTube->
Дзен->
RuTube->
Файл->
Презентация-> | 0 |
| 7 | Р.В. Сультимов (Институт ИИ МГУ и МФТИ), Арктика: современное состояние, перспективы, моделирование
YouTube->
Дзен->
RuTube->
Файл-> | 0 |
| 8 | 1 апреля 2026 г., 12:00 МСК, онлайн
Арктика: современное состояние, перспективы, моделирование
Роман Владиславович Сультимов, руководитель научных групп в Институте ИИ МГУ и МФТИ
Яндекс Телемост->
Деградация многолетнемерзлых пород (ММП) в условиях стремительного изменения климата представляет собой критическую угрозу для инфраструктуры и экосистем полярных регионов. Учитывая, что Арктика нагревается значительно быстрее среднеглобальных темпов, традиционные подходы к геокриологическому и климатическому моделированию сталкиваются с фундаментальными ограничениями: чисто физические модели требуют колоссальных вычислительных ресурсов и сложной локальной калибровки, а стандартные методы машинного обучения страдают от недостатка качественных полевых наблюдений (проблема sparse data). В докладе рассматривается смена научно-технологической парадигмы в исследовании Арктики, обусловленная революционным переходом ведущих мировых центров на архитектуры на базе искусственного интеллекта (ИИ) и гибридного моделирования. | 0 |
| 9 | И.А. Самыловский (ФКИ МГУ), Задачи оптимизации в планировании орбитальной съёмки
YouTube->
Дзен->
RuTube->
Файл->
И канал, который ведёт докладчик: @astrodynlab | 0 |
Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
