Последни изминали Събития

Семинар по оптимизация

Институт по математика и информатика - БАН Block 8, 1113 БАН IV км., София

На 6 април 2026 г. (понеделник) от 14:15 ч. в зала 478 на ИМИ-БАН ще се проведе съвместна сбирка на Семинара по оптимизация (ФМИ) и на Семинара по изследване на операциите (ИМИ). Доклад на тема Hausdorff characterizations of first countable T1 spaces via fixed point theorems ще изнесе Детелина Камбурова. Поканват се всички желаещи да присъстват.

Семинар “Алгебра и логика”

Институт по математика и информатика - БАН Block 8, 1113 БАН IV км., София

На 3 април 2026 г. (петък) от 13:00 часа ще се проведе дистанционно заседание на семинара по „Алгебра и логика”. Доклад на тема: On Pairs of Non-commuting Hermitian Operators on the Unitary Plane which are Permutable Measurements ще изнесе Валентин Илиев (ИМИ-БАН). Резюме. In this presentation we study observables with spectre {-1,1} on quantum systems with the unitary plane as a space of states. Examples of such quantum systems are spin-1/2 particles. We find necessary and sufficient conditions for two non-commuting observables to be permutable measurements, that is, the probability of obtaining a particular pair of results does not depend on the order of taking these measurements. Several examples are presented. Линк към zoom-стаята на семинара: https://us02web.zoom.us/j/88300991142?pwd=wGYl7VaD9RZKEm99sKzHMzl3bYCv3J.1 Поканват се всички желаещи да присъстват. От [...]

Семинар на секция СофТИС

Институт по математика и информатика - БАН Block 8, 1113 БАН IV км., София

Заповядайте на семинара на секция "Софтуерни технологии и информационни системи", който ще се проведе хибридно на 31 март 2026 г., вторник, от 14.00ч. ( в з. 278 и по ZOOM). Доклад "ANNSIA - Адаптивна невронна мрежа за анализ на сателитни изображения" ще изнесе ас.  Венцислав Полименов, докторант в секцията.  Докладът представя иновативен подход за оценка на индекса на листна маса чрез мултисензорна дълбока невронна мрежа, комбинираща Sentinel-2 и Landsat 8/9 данни. Изследването адресира две основни предизвикателства, а имено липсата на полеви измервания за обучителни данни и значителните разлики в пространствената и спектралната характеристика между сензорите.  Моделът използва Multi-Sensor U-Net с Conditional Batch Normalization. Това позволява единна обработка на различни сензори и научаване на сензорно-независими представяния на растителността. Обучението се осъществява чрез VI-ensemble подход, който създава псевдо-LAI [...]

Go to Top