WikiDer > Васант Хонавар

Vasant Honavar
Васант Хонавар
Национальность Соединенные Штаты Америки
Альма-матерУниверситет Висконсина
Университет Дрекселя
B.M.S. Инженерный колледж, Бангалорский университет
Научная карьера
ПоляИнформатика, Искусственный интеллект, Машинное обучение, Сбор данных, Биоинформатика, Большое количество данных, Причинный вывод, Наука о данных, Информатика, Представление знаний, Вычислительная биология, Наука о мышлении, Информатика здоровья, Нейроинформатика, Сетевые науки
УчрежденияГосударственный университет Айовы
Национальный фонд науки
Государственный университет Пенсильвании
ДокторантЛеонард Ур

Васант Г. Хонавар является Индийский родившийся Американец специалист в области информатики, и искусственный интеллект, машинное обучение, большое количество данных, наука о данных, причинность, представление знаний, биоинформатика и информатика здоровья Исследователь и педагог.

биография

Васант Хонавар родился в Пуна, Индия в 1960 году Бхавани Г. и Гаджанан Н. Хонавар. Он получил свое раннее образование в Средней школе Видья Вардхака Сангха и M.E.S. Колледж в Бангалор, Индия. Он получил B.E. в электронике из B.M.S. Инженерный колледж в Бангалор, Индия в 1982 году, когда он был связан с Бангалорский университет, М.С. в электротехнике и вычислительной технике в 1984 г. Университет Дрекселя, и M.S. в информатике в 1989 году, и Кандидат наук. в 1990 г. соответственно из Университет Висконсина-Мэдисона, где он изучал искусственный интеллект и работал с Леонард Ур.

В 2013 году Хонавар присоединился к факультету Государственный колледж Пенсильвании информационных наук и технологий[1] в Государственный университет Пенсильвании где он занимает должность профессора Эдварда Фримойера и работает на факультетах программ магистратуры в Информатика, Информатика, Биоинформатика и Геномика, Неврология, и из Исследование операций, и программы бакалавриата в Data Science. Хонавар является директором Искусственный интеллект Исследовательская лаборатория [2], Заместитель директора Института кибернаук[3] и директор Центра аналитики больших данных и информатики открытий[4] в Государственный университет Пенсильвании. Хонавар входит в состав исполнительного совета Северо-восточного центра инноваций в области больших данных.[5] Хонавар служил на Ассоциация компьютерных исследованийс Консорциум вычислительного сообщества Совет в 2014-2017 гг.,[6][7] где он возглавлял рабочую группу по конвергенции данных и вычислений, а также был членом целевой группы по искусственному интеллекту. В 2015 году Хонавар был избран в состав Избирательного комитета по выдвижению кандидатов Секции информации, вычислений и коммуникаций Американская ассоциация развития науки.[8] В 2016 году Хонавар был выбран первым Судхой Мурти, приглашенным заведующим кафедрой нейрокомпьютеров и науки о данных. Индийский институт науки, Бангалор, Индия. В 2018 году Хонавар был назван почетным членом Ассоциация вычислительной техники за выдающийся научный вклад в вычисления; и избран членом Американская ассоциация развития науки за выдающийся исследовательский вклад и лидерство в области науки о данных.

Хонавар известен своими исследованиями в искусственный интеллект, машинное обучение, сбор данных, представление знаний, нейронные сети, семантическая сеть, большое количество данных аналитика и биоинформатика и вычислительная биология. Он опубликовал более 300 научных статей, в том числе много цитируемых,[9][10] а также несколько книг по этим темам.[11] Его недавняя работа была сосредоточена на масштабируемых алгоритмах для построения прогнозных моделей на основе больших, семантически несопоставимых распределенных данных, изучая прогнозные модели из связанные открытые данные, большое количество данных аналитика, анализ и прогнозирование интерфейсов и взаимодействий белок-белок, белок-РНК и белок-ДНК, аналитика социальных сетей, информатика здоровья, ответы на запросы с сохранением секретности, представление и рассуждение о предпочтениях, и причинный вывод и мета анализ.

Хонавар непосредственно руководил диссертационными исследованиями 34 человек. Кандидат наук. студенты,[12] все они сделали успешную исследовательскую карьеру в академических, промышленных или правительственных учреждениях.

В 1990–2013 гг. Хонавар был профессор из Информатика в Государственный университет Айовы куда он вел Искусственный интеллект Исследовательская лаборатория, которую он основал в 1990 году. С 2006 по 2013 год он служил директором Центра вычислительного интеллекта, обучения и открытий Университета штата Айова, который он основал в 2006 году. Он сыграл важную роль в создании Государственный университет Айовы межкафедральная аспирантура в Биоинформатика и Вычислительная биология (и был его председателем в 2003–2005 гг.).

В 2010–2013 гг. Хонавар выполнял функции Программный директор в Информационной интеграции и Информатика программа в отделе информационных и интеллектуальных систем Компьютер и Информационная наука и Инженерное дело Управление США Национальный фонд науки куда он вел Большое количество данных Программа[13] и участвовал в нескольких основных и сквозных программах.

Хонавар занимал должности приглашенных профессоров в Университет Карнеги Меллон, то Университет Висконсина-Мэдисона, а на Индийский институт науки.

Хонавар довольно активно участвует в развитии национального и международного научного сотрудничества в области искусственного интеллекта, науки о данных и их приложений для решения национальных, международных и социальных приоритетов, например, в ускорении развития науки, улучшении здоровья, преобразовании сельского хозяйства, развитии образования и т. Д. через партнерские отношения, объединяющие академические круги, некоммерческие организации и промышленность [14] [15] [16] [17] [18] [19].

Избранные книги и статьи

Книги

  • Васант Хонавар и Леонард Ур. (Ред.) Искусственный интеллект и нейронные сети: шаги к принципиальной интеграции. Нью-Йорк: Academic Press. 1994 г. ISBN 0-12-355055-6
  • Васант Хонавар и Гиора Слуцки (Ред). Грамматический вывод. Берлин: Springer-Verlag. 1998 г. ISBN 3-540-64776-7
  • Мукеш Патель, Васант Хонавар и Картик Балакришнан (Ред). Достижения в эволюционном синтезе интеллектуальных агентов. Кембридж, Массачусетс: MIT Press. 2001 г. ISBN 0-262-16201-6
  • Ганеш Рам Сантанам, Самик Басу и Васант Хонавар. Представление и рассуждение с качественными предпочтениями: инструменты и приложения. Лекция № 31, Синтез лекций по искусственному интеллекту и машинному обучению. Издатели Morgan & Claypool. 2016 г. Дои:10.2200 / S00689ED1V01Y201512AIM031, ISBN 978-1-62705-839-1

Статьи

Программные 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 вычислительного сообщества. препринт arXiv arxiv: 1706.03102.
  • Хагер, Г., Брайант, Р., Хорвиц, Э., Матарич, М., и Хонавар, В. (2017). Достижения в области искусственного интеллекта требуют прогресса во всей компьютерной науке. Консорциум вычислительного сообщества. Препринт arXiv arXiv: 1707.04352
  • Хонавар В., Йелик К., Нарстедт К., Рашмайер Х., Рексфорд Дж., Хилл Марк., Брэдли Э. и Майнатт Э. (2017). Передовая киберинфраструктура для науки, техники и государственной политики. Консорциум вычислительного сообщества. Препринт arXiv arXiv: 1707.00599.
  • Хонавар, В., Хилл, М. Йелик, К. (2016). Ускорение науки: программа компьютерных исследований, Консорциум вычислительного сообщества.
  • Хонавар, В. (2014). Хонавар, В. (2014). Перспективы и потенциал больших данных: аргументы в пользу открытия в области информатики Обзор политических исследований 31: 4 10.1111 / ropr.12080.

Причинный вывод

  • Ли, С. и Хонавар, В. (2020). К надежному обнаружению причинно-следственных связей. В: Материалы тридцать пятой конференции по неопределенности в искусственном интеллекте, стр. 345-355.
  • Кандасами С., Бхаттачарья А. и Хонавар В. (2019). Покрытие минимального вмешательства причинного графа. В: Материалы 33-й конференции AAAI по искусственному интеллекту (AAAI-19).
  • Хадеми, А., Ли, С., Фоли, Д., Хонавар, В. (2019). Справедливость в алгоритмическом принятии решений: предварительный экскурс через призму причинности. В кн .: Материалы веб-конференции.
  • Ли, С. и Хонавар, В. (2017). Тест условной независимости несоответствия самому себе. В: Конференция по неопределенности в искусственном интеллекте (UAI-17).
  • Ли, С. и Хонавар, В. (2017). Тест на независимость ядра для реляционных данных. В: Конференция по неопределенности в искусственном интеллекте (UAI-17).
  • Буи, Н., Йен, Дж., И Хонавар, В. (2016). Анализ временной причинности изменения настроений в сети выживших после рака. IEEE Transactions по вычислительным социальным системам. Дои:10.1109 / TCSS.2016.2591880
  • Ли, С. и Хонавар, В. (2016). Характеристика классов марковской эквивалентности реляционных причинных моделей в рамках семантики путей. В: Материалы конференции по неопределенности в искусственном интеллекте (UAI-16).
  • Ли, С. и Хонавар, В. (2016). Об изучении причинных 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 выживших после рака В: Международная конференция по социальным вычислениям, поведенческому и культурному моделированию и прогнозированию (SBP15). Конспект лекций Springer-Verlag по информатике, Vol. 9021, стр. 13–23.
  • Ли, С., и Хонавар, В. (2015). Пересмотренное расширенное представление реляционных причинных моделей: значение для рассуждений и структурного обучения В: Семинар по достижениям в причинном выводе, Конференция по неопределенности в искусственном интеллекте, 2015.
  • Барейнбойм, Э., Ли, С., Хонавар, В. и Перл, Дж. (2013). Переносимость из различных сред с ограниченными экспериментами. В: Достижения в области нейронных информационных систем (NIPS), 2013. С. 136–144.
  • Ли, С. и Хонавар, В. (2013). Переносимость причинно-следственных связей из нескольких сред. В: Материалы 27-й конференции по искусственному интеллекту (AAAI 2013).
  • Ли, С. и Хонавар, В. (2013). Причинная переносимость экспериментов с контролируемыми 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., Сюй, Д., Сун, Ю., Хонавар, В. (2020). LMLFM: Машины продольной многоуровневой факторизации. В: Материалы 34-й конференции AAAI по искусственному интеллекту, AAAI 2020: стр. 4811-4818.
  • Le. Т. и Хонавар В. (2020). Модель латентных переменных динамического гауссовского процесса для обучения представлению на основе продольных данных Материалы конференции ACM-IMS 2020 по основам науки о данных, октябрь 2020 г., страницы 183–188. https://doi.org/10.1145/3412815.3416894
  • Сун, Ю., Ван, С., Танг, X., Се, Т. Ю., и Хонавар, В. (2020). Неспецифические атаки внедрения узла в графические нейронные сети: подход к обучению с иерархическим подкреплением. Материалы веб-конференции 2020 (WWW ’20) https://doi.org/10.1145/3366423.3380149
  • Сун, Ю., Тан, X., Се, Т. Ю., Ван, С., и Хонавар, В. (2019). MEGAN: Генеративный алгоритм состязательной сети для встраивания многовидовой сети. В: Материалы 28-й Международной совместной конференции по искусственному интеллекту (IJCAI-2019).
  • Се, Т.Ю., Сун, Ю., Ван, С., и Хонавар, В. (2019). Адаптивная структурная совместная регуляризация для неконтролируемого выбора функций с несколькими представлениями. В: Материалы Международной конференции IEEE по большим знаниям (ICBK-2019).
  • Чжоу Ю., Сунь Ю., Хонавар В. (2019). Улучшение подписи к изображениям с помощью сетей знаний. Зимняя конференция IEEE по приложениям компьютерного зрения.
  • Хсие, Т. Ю., Эль-Манзалави, Ю., Сан, Ю., и Хонавар, В. (2018). Композиционный стохастический средний градиент для машинного обучения и связанных приложений. В: Материалы 19-й Международной конференции по интеллектуальной инженерии данных и автоматизированному обучению.
  • Сун, Й., Буй, Н., Се, Т. Ю., и Хонавар, В. (2018). Встраивание сети с несколькими представлениями через кластеризацию факторизации графов и согласованное согласование нескольких представлений. IEEE ICDM Международный семинар по графической аналитике.
  • Лян, Дж., Ху, Дж., Донг, С., и Хонавар, В. (2018). Top-N-Rank: усеченный подход к ранжированию по спискам для крупномасштабных рекомендаций Top-N. В: Материалы Международной конференции IEEE по большим данным.
  • Ху, Дж., Лян, Дж., Куанг, Ю. и Хонавар, В. (2018). Основанный на сходстве пользователей подход к рекомендациям Top-N для мобильной рекламы в приложениях. Экспертные системы с приложениями. Vol. 111. С. 51–60.
  • Буи, Н., Ле, Т., и Хонавар, В. (2016). Маркировка участников в социальных сетях с несколькими представлениями путем интеграции информации изнутри и из нескольких представлений. В: Материалы конференции IEEE по большим данным.
  • Лин, Х., Буй, Н., Хонавар, В. (2015). Изучение классификаторов из удаленных хранилищ данных RDF, дополненных иерархиями подклассов RDFS. В: 2-й международный семинар по высокопроизводительному управлению, анализу и интеллектуальному анализу данных Big Graph (BigGraph 2015), Международная конференция IEEE по большим данным.
  • Буи, Н. и Хонавар, В. (2014). Маркировка акторов в социальных сетях с помощью ядра гетерогенного графа. В: Международная конференция по социальным вычислениям, поведенческому и культурному моделированию и прогнозированию (SBP14). С. 27–34.
  • Лин, Х. и Хонавар, В. (2013). Изучение классификаторов из цепочек множественных взаимосвязанных хранилищ данных RDF. В: Конгресс по большим данным IEEE. Премия за лучшую студенческую работу.
  • Лин, Х., Ли, С., Буй, Н., Хонавар, В. (2013). Изучение классификаторов на основе распределенных данных. В: Конгресс по большим данным IEEE.
  • Буи Н. и Хонавар В. (2013). О полезности абстракции при маркировке актеров в социальных сетях. В: Международная конференция IEEE / ACM 2013 г. по достижениям в области анализа социальных сетей и майнинга.
  • Сильвеску А. и Хонавар В. (2013). Абстракция суперструктурирования нормальных форм: к теории структурной индукции. В кн .: Алгоритмическая вероятность и друзья. Байесовское предсказание и искусственный интеллект (стр. 339–350). Springer Berlin Heidelberg.
  • Ту К. и Хонавар В. (2012). Регуляризация однозначности для неконтролируемого обучения вероятностных грамматик. В: Proceedings of EMNLP-CoNLL 2012: Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. С. 1324–1334.
  • Лин, Х., Коул, Н., Хонавар, В. (2011). Изучение реляционных байесовских классификаторов на основе данных RDF. В: Материалы Международной конференции по семантической паутине (ISWC 2011). Конспект лекций Springer-Verlag по информатике Vol. 7031 с. 389–404.
  • Ту К. и Хонавар В. (2011). О полезности учебных программ при бесконтрольном изучении грамматики. В: Материалы двадцать второй международной совместной конференции по искусственному интеллекту (IJCAI 2011), стр. 1523–1528.
  • Ту К., Оуян X., Хан Д., Ю Ю. и Хонавар В. (2011). Надежная когерентная бикластеризация на основе образцов. В: Материалы конференции SIAM по интеллектуальному анализу данных (SDM 2011). С. 884–895.
  • Яхненко, О., Хонавар, В. (2011). Многоэкземплярное обучение по нескольким меткам для классификации изображений с большими словарями. В: Труды Британской конференции по машинному зрению.
  • Карага, К., Сильвеску, А., Карага, Д., Хонавар, В. (2010). Марковские модели с абстракцией. В: Материалы конференции IEEE по интеллектуальному анализу данных (ICDM 2010). IEEE Press. С. 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 технологии интеллектуальных агентов. С. 291–296. ACM Press.
  • Бромберг, Ф., Маргаритис, Д., Хонавар, В. (2009). Обнаружение эффективной структуры марковской сети из тестов на независимость. Журнал исследований искусственного интеллекта. Vol. 35. С. 449–485.
  • Эль-Манзалави, Ю. и Хонавар, В. (2009). MICCLLR: многоэкземплярное обучение с использованием коэффициента правдоподобия условного журнала. В: Материалы 12-й Международной конференции по науке открытий (DS 2009). Конспект лекций Springer-Verlag по информатике Vol. 5808, стр. 80–91, Берлин: Springer.
  • Сильвеску, А., Карага, К., Хонавар, В. (2009). Сочетание суперструктурирования и абстракции при классификации последовательностей. Конференция IEEE по интеллектуальному анализу данных (ICDM 2009).
  • Яхненко, О., Хонавар, В. (2009). Мультимодальная иерархическая модель процесса Дирихле для прогнозирования аннотации изображения и соответствия метки изображения-объекта. В: Материалы конференции SIAM по интеллектуальному анализу данных, SIAM. стр. 281–294
  • Ту К. и Хонавар В. (2008). Неконтролируемое изучение вероятностной контекстно-свободной грамматики с использованием итеративной бикластеризации. . В: Международный коллоквиум по грамматическому выводу (ICGI-2008). Конспект лекций Springer-Verlag по информатике, том. 5278 с. 224–237.
  • Яхненко, О., Хонавар, В. (2008). Аннотирование изображений и объектов изображений с помощью иерархической модели процесса Дирихле. 9-й международный семинар по интеллектуальному анализу мультимедийных данных (SIGKDD MDM 2008), Лас-Вегас, ACM.
  • Zhang, J .; Канг, Д.К .; Silvescu, A .; Хонавар, В. (2006). «Изучение точных и кратких наивных байесовских классификаторов на основе таксономии значений атрибутов и данных». Знания и информационные системы. 9 (2): 157–179. Дои:10.1007 / s10115-005-0211-z. ЧВК 2846370. PMID 20351793.
  • Карага, Д., Чжан, Дж., Бао, Дж., Патак, 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. Конспект лекций по информатике, Сингапур, Берлин: Springer-Verlag. Vol. 3734. С. 13–44.
  • Чжан Дж., Карага Д. и Хонавар В. Изучение классификаторов с учетом онтологии. Материалы 8-й Международной конференции по науке открытий. Конспект лекций Springer-Verlag по информатике, Сингапур, Берлин: Springer-Verlag. Vol. 3735. С. 308–321, 2005.
  • Яхненко О., Сильвеску А., Хонавар В. (2005) Марковская модель с дискриминационным обучением 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 текстов. Материалы симпозиума по абстракции, переформулировке и аппроксимации (SARA 2005), Эдинбург, Великобритания, Берлин: Springer-Verlag. Vol. 3607. С. 134–148.
  • Ву. Ф., Чжан Дж. И Хонавар В. (2005) Изучение классификаторов с использованием иерархически структурированных таксономий классов. Материалы симпозиума по абстракции, переформулировке и аппроксимации (SARA 2005), Эдинбург, Берлин, Springer-Verlag. Vol. 3607. С. 313–320.
  • Caragea, D .; Silvescu, A .; Хонавар, В. (2004). «Структура для изучения распределенных данных с использованием достаточной статистики и ее применение для изучения деревьев решений». Международный журнал гибридных интеллектуальных систем. 1 (2): 80–89. Дои:10.3233 / HIS-2004-11-210. ЧВК 2846376. PMID 20351798.
  • Канг Д. К., Силвеску А., Чжан Дж. И Хонавар В. Создание таксономий значений атрибутов на основе данных для точного и компактного построения классификатора. Международная конференция IEEE по интеллектуальному анализу данных, IEEE Press. С. 130–137, 2004.
  • Р. Поликар, Л. Удпа, С. Удпа и В. Хонавар (2004). Алгоритм пошагового обучения с оценкой достоверности для автоматической идентификации сигналов NDE. IEEE Transactions of Ultrasonics, Ferroelectrics, and Frequency Control. Vol. 51. С. 990–1001, 2004.
  • Атраментов А., Лейва Х. и Хонавар В. (2003). Алгоритм обучения многореляционному дереву решений - реализация и эксперименты. В: Труды Тринадцатой Международной конференции по индуктивному логическому программированию. Берлин: Springer-Verlag.
  • Чжан Дж. И Хонавар В. (2003). Изучение классификаторов дерева решений из таксономий значений атрибутов и частично определенных 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 кн .: Труды симпозиума по абстракции, переформулировке и аппроксимации. Берлин: Springer-Verlag.
  • Поликар Р., Удпа Л., Удпа С. и Хонавар В. (2001). Learn ++: алгоритм инкрементального обучения для многоуровневых сетей персептронов. IEEE Transactions по системам, человеку и кибернетике. Vol. 31, № 4. С. 497–508.
  • Парех Р. и Хонавар В. (2001). DFA учится на простых примерах. Машинное обучение. Vol. 44. С. 9–35.
  • Сильвеску, А., 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. Vol. 7. нет. 2. С. 173–216.
  • Карага, Д., Сильвеску, А., Хонавар, В. (2000). Агенты, обучающиеся на основе распределенных динамических источников данных. В: Proceedings of the ECML 2000 / Agents 2000 Workshop on Learning Agents. 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., Янг Дж. И Хонавар В. (2000). Конструктивные алгоритмы обучения нейронной сети для классификации многокатегорийных паттернов. IEEE-транзакции в нейронных сетях. Vol. 11. № 2. С. 436–451.
  • Поликар Р., Удпа Л., Удпа С. и Хонавар В. (2000). Learn ++: алгоритм инкрементального обучения для многоуровневых сетей персептронов. 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 однослойных алгоритмов персептрона на несепарабельных данных. Нейронные, параллельные и научные вычисления. Vol. 8. С. 415–438.
  • Ян Дж. И Хонавар В. (1999). DistAl: дистанционный алгоритм обучения конструктивной нейронной сети между шаблонами. Интеллектуальный анализ данных. Vol. 3. С. 55–73.
  • Парех Р. и Хонавар В. (1999). Простые DFA полиномиально могут быть точно изучены на простых примерах. В кн .: Материалы Международной конференции по машинному обучению. Блед, Словения.
  • Буске, О., Балакришнан, К., Хонавар, В. (1998). Является ли гиппокамп фильтром Калмана ?. В: Proceedings of the Pacific Symposium on Biocomputing. Сингапур: World Scientific. С. 655–666.
  • Парех Р., Ничитиу К. и Хонавар В. (1998). Полиномиальный инкрементальный алгоритм для изучения DFA. В: Proceedings of the Fourth International Colloquium on Grammatical Inference (ICGI'98), Ames, IA. Конспект лекций по информатике, том. 1433 с. 37–49. Берлин: Springer-Verlag.
  • Ян Дж. И Хонавар В. (1998). Выбор подмножества признаков с использованием генетического алгоритма. Интеллектуальные системы IEEE (специальный выпуск о преобразовании признаков и выборе подмножества). т. 13. С. 44–49.
  • Парех Р.Г., Янг Дж. И Хонавар В. (1997). MUPStart - Конструктивный алгоритм обучения нейронной сети для классификации шаблонов нескольких категорий. В: Материалы Международной конференции IEEE по нейронным сетям (ICNN'97). Хьюстон, Техас. С. 1924–1929.
  • Парех Р.Г., Янг Дж. И Хонавар В. (1997). Стратегии сокращения для конструктивных алгоритмов обучения нейронной сети. В: Материалы Международной конференции IEEE по нейронным сетям (ICNN'97). Хьюстон, Техас. С. 1960–1965. 9–12 июня 1997 г.
  • Парех, Р. и Хонавар В. (1997) Изучение DFA на простых примерах. В: Материалы международного семинара по теории алгоритмического обучения. (ALT 97). Сендай, Япония. Конспект лекций по информатике. Vol. 1316 с. 116–131.
  • Чен, Ч.Х., Парех, Р., Янг, Дж., Балакришнан, К. и Хонавар, В. (1995). Анализ границ принятия решений, порождаемых алгоритмами обучения конструктивных нейронных сетей. В: Материалы Всемирного конгресса по нейронным сетям (WCNN'95). Вашингтон, округ Колумбия, 17–21 июля 1995 г., стр. 628–635.
  • Honavar, V .; Ур, Л. (1993). «Генеративные структуры обучения для обобщенных коннекционистских сетей». Информационные науки. 70 (1–2): 75–108. Дои:10.1016 / 0020-0255 (93) 90049-р.
  • Хонавар, В. (1992). Некоторые предубеждения для эффективного изучения пространственных, временных и пространственно-временных паттернов. В: Материалы международной совместной конференции по нейронным сетям. Пекин, Китай.

Представление знаний и семантическая сеть

  • Tao, J .; Slutzki, G .; Хонавар, В. (2015). «Концептуальные основы для рассуждений, сохраняющих секретность в базах знаний». Транзакции ACM по вычислительной логике. 16: 1–32. Дои:10.1145/2637477. S2CID 11436585.
  • Santhanam, G.R., Basu, S. и Honavar, V. (2013) Проверка преференциальной эквивалентности и отнесения к категории с помощью проверки модели. В Международной конференции по теории алгоритмических решений (стр. 324–335). Springer Berlin Heidelberg.
  • Тао, Дж., Слуцки, Г., Хонавар, В. (2012). Табличные алгоритмы PSpace для ациклического модального ALC. Журнал автоматизированного мышления. Vol. 49. С. 551–582.
  • Santhanam, G .; Basu, S .; 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., 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). С. 1408–1414.
  • Сангви Б., Коул Н. и Хонавар В. (2010). Выявление и устранение несоответствий в сопоставлениях в иерархических онтологиях. In: Springer-Verlag Lecture Notes in Computer Science Vol. 6427, стр. 999–1008. Берлин: Springer.
  • Сантанам, Г., Басу, С., Хонавар, В. (2010). Эффективное тестирование на доминирование безусловных предпочтений. В: Материалы Двенадцатой Международной конференции по принципам представления знаний и рассуждений (KR 2010). С. 590–592. AAAI Press.
  • Сантанам, Г., Басу, С., Хонавар, В. (2010). Тестирование доминирования с помощью проверки модели. В: Материалы 24-й конференции AAAI по искусственному интеллекту (AAAI-10). С. 357–362. AAAI Press.
  • Бао, Дж., Воутсадакис Г., Слуцки, Г. Хонавар :, В. (2009). Логика описания на основе пакетов. В: Модульные онтологии: концепции, теории и методы модуляции знаний. Конспект лекций по информатике Vol. 5445, стр. 349–371
  • Бао, Дж., Воутсадакис, Г., Слуцки, Г., и Хонавар, В. (2008). О разрешимости ролевых отображений 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., 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. С. 1304–1309. AAAI Press.
  • Бао, Дж., Слуцки, Г., Хонавар, В. (2007). Рассуждения о сохранении конфиденциальности в семантической сети. Конференция IEEE / WIC / ACM по Web Intelligence. IEEE. стр. 791–797
  • Бао, Д., Карага, Д., Хонавар, В. (2006). О семантике связывания и импорта в модульных онтологиях // Материалы Международной конференции по семантической паутине (ISWC 2006), конспект лекций по информатике, Берлин: Springer. Конспект лекций по информатике Vol. 4273. С. 72–86.
  • Бао, Д., Карага, Д., Хонавар, В. (2006). Алгоритм федеративного мышления на основе таблиц для модульных онтологий. В: Материалы конференции ACM / IEEE / WIC по Web Intelligence. IEEE Press. С. 404–410.
  • Бао, Д., Карага, Д., Хонавар, В. Алгоритм распределенной таблицы для логики описания на основе пакетов. Труды второго международного семинара по представлению контекста и аргументации (CRR 2006), Рива дель Гарда, Италия, CEUR. 2006 г.
  • Бао, Д., Карага, Д., Хонавар, В. Модульные онтологии - формальное исследование семантики и выразительности. В материалах первой конференции по азиатской семантической паутине, Пекин, Китай, Springer-Verlag. Vol. Vol. 4185, стр. 616–631, 2006. Премия за лучшую работу
  • Сильвеску А. и Хонавар В. Независимость, разложимость и функции, которые принимают значения в абелеву группу. Материалы девятого международного симпозиума по искусственному интеллекту и математике, http://anytime.cs.umass.edu/aimath06/proceedings.html, 2006.

Данные и вычислительная инфраструктура для совместной науки

  • Парашар, М., Хонавар, В., Симонет, А., Родеро, И., Гахрамани, Ф., Агнью, Г., и Янц, Р. (2019). Виртуальное сотрудничество данных: региональная киберинфраструктура для совместных исследований на основе данных. Вычислительная техника в науке и технике. В прессе.
  • Сантанам, Г.Р., Басу, С., Хонавар, В. (2013). Адаптация услуги на основе предпочтений с использованием замены услуги. В материалах совместных международных конференций IEEE / WIC / ACM 2013 г. по веб-аналитике (WI) и технологиям интеллектуальных агентов (IAT) - том 01 (стр. 487–493). Компьютерное общество IEEE.
  • Сан, Х., Басу, С., Хонавар, В., и Лутц, Р. (2010). Автоматическая проверка требований безопасности композитных веб-сервисов. В: Материалы Международного симпозиума IEEE по проектированию надежности программного обеспечения (ISSRE-2010). стр. 348–357, IEEE Press.
  • Сантанам, Г.Р., Басу, С., Хонавар, В. (2009). Замена веб-службы на основе предпочтений по сравнению с нефункциональными атрибутами. В: Материалы Международной конференции IEEE по сервисам вычислений (SCC 2009).
  • Патак Дж., Басу С. и Хонавар В. (2008). Составление веб-служб путем автоматического изменения спецификаций служб. Труды Международной конференции IEEE по сервисным вычислениям, IEEE, стр. 361–369.
  • Pathak, J .; Basu, S .; Lutz, R .; Хонавар, В. (2008). «MoSCoE: подход к составлению веб-сервисов посредством итеративного переформулирования 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., Хонавар, В. (2008). TCP-Compose * - алгоритм на основе TCP-сети для эффективной композиции веб-служб на основе качественных предпочтений. Труды 6-й Международной конференции по сервис-ориентированным вычислениям, Springer-Verlag Lecture Notes in Computer Science, Vol. 5254. С. 453–467.
  • Патак Дж., Басу С. и Хонавар В. (2007). О контекстно-зависимой заменяемости веб-сервисов. В: Материалы Международной конференции IEEE по веб-сервисам. С. 192–199. IEEE Press.
  • Патак, Дж., Ли, Ю., Хонавар, В., МакКэлли, Дж. (2007). Сервисно-ориентированная архитектура для управления активами системы передачи электроэнергии. Второй международный семинар по инженерным сервисно-ориентированным приложениям: дизайн и композиция, конспект лекций по информатике, Берлин: Springer-Verlag, 2007.
  • Патак, Дж., Басу, С., Лутц, Р., Хонавар, В. (2006). Выбор и составление веб-сервисов посредством итеративного переформулирования функциональных спецификаций. Материалы Международной конференции IEEE по инструментам с искусственным интеллектом (ICTAI 2006), Вашингтон, округ Колумбия, IEEE Press. Премия за лучшую работу. С. 445–454.
  • Патак Дж., Басу С. и Хонавар В. (2006). Моделирование веб-сервисов путем итеративного переформулирования функциональных и нефункциональных требований. Труды Международной конференции по сервис-ориентированным вычислениям. Конспект лекций по информатике, Берлин: Springer, Vol. 4294. С. 314–326.
  • Патак, Дж., Юань, Л., Хонавар, В., и МакКэлли, Дж. (2006). Сервисно-ориентированная архитектура для управления активами системы передачи электроэнергии, В: Материалы второго международного семинара по инженерным сервисно-ориентированным приложениям: проектирование и состав (WESOA-2006), Конспект лекций по информатике, Берлин: Springer-Verlag.
  • Патак, Дж., Басу, С., Лутц, Р., Хонавар, В. (2006). Композиция параллельных веб-сервисов в MoSCoE: подход, основанный на хореографии. Труды Европейской конференции IEEE по веб-сервисам (ECOWS 2006), Цюрих, Швейцария, IEEE. В прессе.
  • Патак, Дж., Басу, С., Хонавар, В. Моделирование композиции веб-сервисов с использованием систем символьных переходов. AAAI '06 Workshop on AI-Driven Technologies for Services-Oriented Computing (AI-SOC), Boston, MA, AAAI Press, 2006.
  • Патак, Дж., Коул, Н., Карага, Д., Хонавар, В. Платформа для обнаружения семантических веб-сервисов. Материалы 7-го Международного семинара ACM по веб-информации и управлению данными (WIDM 2005)., ACM Press. С. 45–50, 2005.
  • Патак Дж., Карага Д. и Хонавар В. Рабочие процессы на основе компонентов с расширенными онтологиями: структура для построения сложных рабочих процессов из семантически гетерогенных программных компонентов. VLDB-04 Семинар по семантической сети и базам данных. Конспект лекций Springer-Verlag по информатике., Торонто, Springer-Verlag. Vol. 3372. С. 41–56, 2004.

Прикладная информатика: биоинформатика, информатика здравоохранения, материаловедческая информатика

Компьютерная и информационная безопасность

  • Остер, З., Сантанам, Г., Басу, С., Хонавар, В. (2013). Модель проверки предпочтений качественной чувствительности для минимизации раскрытия учетных данных. Международный симпозиум по формальным аспектам компонентного программного обеспечения. Конспект лекций Springer-Verlag по информатике Vol. 7684. С. 205–223, 2013.
  • Helmer, G .; Wong, J .; Slagell, M .; Honavar, V .; Miller, L .; Wang, Y .; Ван, X .; Стаханова, Н. (2007). «Дерево ошибок программного обеспечения и цветная спецификация на основе сети Петри, разработка и реализация агентных систем обнаружения вторжений». Международный журнал информационной и компьютерной безопасности. 1 (1/2): 109–142. Дои:10.1504 / ijics.2007.012246.
  • Wang, Y .; Behera, S .; Wong, J .; Helmer, G .; Honavar, V .; Miller, L .; Лутц, Р. (2006). «На пути к автоматическому созданию 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 представления вектора частоты системного вызова. Международная конференция IEEE по разведке и информатике безопасности. Конспект лекций Springer-Verlag по информатике, Springer-Verlag. Vol. 3495. С. 511–516, 2005.
  • Helmer, G .; Wong, J .; Honavar, V .; 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.
  • Helmer, G .; Wong, J .; Slagell, M .; Honavar, V .; Miller, L .; Лутц, Р. (2002). «Подход дерева отказов программного обеспечения к спецификации требований системы обнаружения вторжений». Разработка требований. 7 (4): 207–220. CiteSeerX 10.1.1.101.853. Дои:10.1007 / s007660200016. S2CID 7414703.

Почести

Рекомендации

  1. ^ "Официальная веб-страница Васанта Хонавара в Университете штата Пенсильвания"
  2. ^ «Лаборатория искусственного интеллекта». Получено 29 мая 2015.
  3. ^ "Государственный институт кибернауки Пенсильвании". Получено 29 мая 2015.
  4. ^ «Междисциплинарный центр стремится использовать возможности аналитики больших данных
  5. ^ «Изучение потенциала больших данных для северо-востока». Получено 3 ноя 2015.
  6. ^ «Члены консорциума компьютерного сообщества». Получено 29 мая 2015.
  7. ^ «CCC объявляет о новых членах». Получено 31 мая 2015.
  8. ^ "Сьюзан Хокфилд избрана избранным президентом AAAS". Получено 21 декабря 2015.
  9. ^ "ORCID Record для Васанта Хонавара".
  10. ^ "Страница ученого Васанта Хонавара". Получено 29 мая 2015.
  11. ^ "Поиск по каталогу Библиотеки Конгресса". Получено 29 мая 2015.
  12. ^ Васант Хонавар на Проект "Математическая генеалогия"
  13. ^ «NSF 12-499 Основные методы и технологии для больших данных». Получено 29 мая 2015.
  14. ^ «Северо-восточный центр инноваций в области больших данных». Получено 20 октября 2019.
  15. ^ «Восточная региональная сеть». Получено 20 октября 2019.
  16. ^ «Практикум по мозгу, вычислениям и обучению». Получено 20 октября 2019.
  17. ^ «Глобальный инновационный форум: трансформация интеллекта». Получено 20 октября 2019.
  18. ^ "Семинар США-Сербии и Западных Балкан по науке о данных". Получено 20 октября 2019.
  19. ^ «Международная летняя школа по глубокому обучению». Получено 20 октября 2019.
  20. ^ «Хонавар удостоен награды за руководство программой NSF по большим данным». Получено 29 мая 2015.
  21. ^ "Внутри штата Айова" (PDF). Получено 31 мая 2015.
  22. ^ «Награды за обучение, услуги и исследования преподавателям и сотрудникам LAS». Получено 31 мая 2015.
  23. ^ «Осенний созыв Университета 2007 г. и церемония награждения». Получено 31 мая 2015.
  24. ^ «125 человек воздействия». Получено 25 августа 2016.
  25. ^ Стул "Судха Мурти" запущен в IISc ". Получено 14 октября, 2016.
  26. ^ «Выдающиеся члены ACM 2018 признаны за вклад, который произвел революцию в нашей жизни, работе и развлечениях». Получено 8 ноября, 2018.
  27. ^ "AAAS награждает выдающихся ученых избранными стипендиатами 2018 г.". Получено 29 ноября, 2018.

внешняя ссылка