Soutěž - Vítězné práce

A. NEJLEPŠÍ VÝSLEDEK:

• Marta Bílková, Frittela, S., Kozmiachenko, D., Ondrej Majer, Nazari, S. Reasoning with belief functions over Belnap-Dunn logic.
  Zdůvodnění: Jedná se o obsáhlý článek, který zavádí teorii pravděpodobnosti do situací, kdy zpracováváme informace, které mohou být částečně sporné nebo neúplné. Přesněji klasická výroková logika, která u pravděpodobnosti definuje algebru jevů, se nahradí Dunn-Belnapovou logikou, která kromě logických hodnot "pravda" a "nepravda" obsahuje další dvě hodnoty "oboje" a "ani jedno". Kombinace pravděpodobnosti a logiky pro nekonsistentní/neúplné informace se jeví jako (alespoň z logicko-filozofického hlediska) žádoucí, jelikož v praxi často pracujeme s domněnkami z různých zdrojů, které mohou být do určité míry sporné. Pozitivem je i zapojení mladých vědců, byť z jiných pracovišť.
• Garbe, F., Jan Hladký, Matas Šileikis, Skerman, F. From flip processes to dynamical systems on graphons.
  Zdůvodnění: Článek popisuje náhodný proces na grafech, jehož speciální případ je Erdos-Renyiho model náhodných grafů, ale zahrnuje nespočet dalších zajímavých případů. Dlouhodobý vývoj tohoto procesu autoři aproximují pomocí diferenciálních rovnic v Banachově prostoru tzv. grafonů. Celkově se jedná o obsáhlé dílo s potenciálem jak pro aplikace, tak pro další rozvoj.

B. NEJLEPŠÍ VÝSLEDEK MLADÝCH AUTORŮ:

• Aditi Kathpalia, Nagaraj, N. Granger Causality for compressively sensed sparse signals.
  Zdůvodnění: Studie prezentovaná v dokumentu se zaměřuje na aplikaci Grangerovy kauzality pro analýzu komprimovaných řídkých signálů. Konkrétně zkoumá, zda cirkulantní a Toeplitzovy matice mohou v doméně komprimovaného signálu zachovat Grangerovu kauzalitu. Toto je klíčová otázka, která cílí na možnost přesného určení kauzálních vztahů mezi proměnnými bez potřeby rekonstrukce původních nekomprimovaných dat. Studie kombinuje matematické důkazy a simulace k prozkoumání možností udržení Grangerovy kauzality v komprimovaných signálech. Výsledky potvrzují, že studované matice účinně zachovávají Grangerovu kauzalitu v doméně komprimovaného signálu, což ukazuje jak výpočetní výhody (rychlejší odvození kauzality), tak praktické přínosy (přesná analýza konektivity sítě z reálných neuronových dat). To dále umožňuje rychlejší a spolehlivé analýzy kauzality přímo v komprimované formě. Jedná se o zajímavý a užitečný článek, již má dvě citace.
• Nikola Jajcay, Jaroslav Hlinka Towards a dynamical understanding of microstate analysis of M/EEG data.
  Zdůvodnění: Studie se zaměřuje na analýzu mikrostavů v EEG datech, které jsou projevem časově stabilních a prostorově koherentních vzorců aktivit v mozku. Cílem studie je analyzovat, zda mohou být dynamické vlastnosti mikrostavů odvozeny z lineárních charakteristik EEG signálu, jako jsou křížové kovariance a autokorelace. Studie používá řadu pokročilých statistických metod ke zpracování dat, jejich analýze a modelování mikrostavů. Výsledky ukazují, že vlastnosti mikrostavů jsou výrazně závislé na lineárních charakteristikách EEG signálu, a to i přes různé použité výpočetní metody. Závěrem studie je, že modelování EEG jako lineárního systému může významně přispět k metodologickému a klinickému porozumění mikrostavům. Studie vyšla v prestižním časopise NeuroImage.

C. NEJLEPŠÍ KNIHA:

• Patrícia Martinková, Adéla Hladká. Computational Aspects of Psychometric Methods With R.
  Zdůvodnění: Tato kniha shrnuje výsledky práce mnoha let, především první autorky. Jakkoliv vychází vesměs z již publikovaných prací, z nichž některé již byly v soutěži o nejlepší práci ÚI AV ČR odměněny dříve, zaslouží si ocenění i v letošní soutěži, protože je za ní velice mnoho užitečné práce.

Přihlášené publikace

Invalid dataset