Российский научный фонд подвел итоги трех конкурсов, направленных на поддержку молодых ученых. Победителями признаны более 850 проектов, в том числе 31 из Высшей школы экономики. На средства грантов будут проведены исследования, направленные на решение конкретных задач в рамках приоритетов научно-технологического развития, которые определены в Стратегии научно-технологического развития Российской Федерации.
Исследователи НИУ ВШЭ в Перми с помощью ЭЭГ изучили, как тяга к сладкому и интерес к здоровому питанию влияют на оценку газированных напитков со вкусом колы. В ходе дегустации участники оценивали вкус напитка и называли максимальную сумму, которую готовы за него заплатить. Оказалось, что чем выше интерес человека к здоровью, тем более сложным и когнитивно затратным для него является решение о готовности платить и тем меньше в итоге он будет готов заплатить за такой напиток. Исследование опубликовано в журнале British Food Journal.
Созданные в Международной лаборатории языковой конвергенции и Школе лингвистики НИУ ВШЭ корпуса абхазо-адыгских языков, на которых говорят народы Западного Кавказа, позволяют изучить их особенности, показывают возможности современного использования. Создание корпусов стало возможным благодаря серии экспедиций ученых и студентов Вышки на Кавказ, современным методам лингвистической обработки и взаимодействию с коллегами из региональных университетов. О работе лингвистов новостной службе «Вышка.Главное» рассказал ведущий научный сотрудник Международной лаборатории языковой конвергенции, доцент Школы лингвистики Юрий Ландер.
Баженов Г. В., Kuznedelev D., Malinin A. и др., , in: Advances in Neural Information Processing Systems 36 (NeurIPS 2023).: Curran Associates, Inc., 2023. P. 75567–75594.
Макаров И. А., Korovina K., Киселёв Д. А., IEEE Access 2021 Vol. 9 P. 144646–144659
Recently, graph embedding models significantly improved the quality of graph machine learning tasks, such as node classification and link prediction. In this work, we propose a model called JONNEE (JOint Network Nodes and Edges Embedding), which learns node and edge embeddings under self-supervision via joint constraints in a given graph and its edge-to-vertex dual representation ...