Публикации
Efficient representation of data aggregations is a fundamental problem in modern big data applications, where network topologies and deployed routing and transport mechanisms play a fundamental role in optimizing desired objectives such as cost, latency, and others. In traditional networking, applications use TCP and UDP transports as a primary interface for implemented applications that hide the underlying network topology from end systems. On the flip side, to exploit network infrastructure in a better way, applications restore characteristics of the underlying network. In this work, we demonstrate that both specified extreme cases can be inefficient to optimize given objectives. We study the design principles of routing and transport infrastructure and identify extra information that can be used to improve implementations of compute-aggregate tasks. We build a taxonomy of compute-aggregate services unifying aggregation design principles, propose algorithms for each class, analyze them theoretically, and support our results with an extensive experimental study.
Helping behavior is a significant part of social learning process in online games. One type of such a behavior is answering questions in a chat. We provide a method to detect if the question asked in a chat was answered and by whom. Proposed method is based on topic modeling for chat messages and comparison of a detected topic of question with a topic of possible reply. We show its efficiency on chat messages from online games.
Modern network processors (NPs) increasingly deal with packets with heterogeneous processing requirements. In this work, we consider the fundamental problem of managing a bounded size buffer at the input queue of an NP. Incoming traffic consists of packets, each packet requiring several rounds of processing before it can be transmitted out of the queue. The objective is to maximize the total number of successfully transmitted packets. In such an environment, it is well known that Shortest-Remaining-Processing-Time (SRPT) first scheduling with push-out is optimal [1]. However, it is hard to implement both priority queueing (PQ) by remaining processing and the push-out mechanism simultaneously in an NP. We explore alternatives for this architecture, addressing the simplicity vs. performance system design tradeoffs. We design a simplified architecture and provide worst-case guarantees for its throughput performance in different settings. We also conduct a comprehensive simulation study that validates our results.
В статье рассматриваются ключевые элементы програмной реализации фрагмента знаний алгебраической байесовской сети на языке С++. Фрагмент знаний реализован в виде отдельношо класса, обеспечивающего хранение оценок истинности и имеющего ряд методов реализующих алгоритмы обработки фрагмента знаний, таких как поддержания непротиворечивости и апостериорный вывод
The lion's share of bacteria in various environments cannot be cloned in the laboratory and thus cannot be sequenced using existing technologies. A major goal of single-cell genomics is to complement gene-centric metagenomic data with whole-genome assemblies of uncultivated organisms. Assembly of single-cell data is challenging because of highly non-uniform read coverage as well as elevated levels of sequencing errors and chimeric reads. We describe SPAdes, a new assembler for both single-cell and standard (multicell) assembly, and demonstrate that it improves on the recently released E+V−SC assembler (specialized for single-cell data) and on popular assemblers Velvet and SoapDeNovo (for multicell data). SPAdes generates single-cell assemblies, providing information about genomes of uncultivatable bacteria that vastly exceeds what may be obtained via traditional metagenomics studies. SPAdes is available online (http://bioinf.spbau.ru/spades). It is distributed as open source software.
Второй задачей апостериорного вывода является пересчет имеющихся оценок вероятности истинности при условии поступившего свидетельства. Цель статьи в анализе нелинейной задачи оптимизации, возникающей при пропагации атомарного стохастического свидетельства во фрагменте знаний с интервальными оценками алгебраической байесовской сети. Переход к накрывающим оценкам границ интервала позволяет привести задачу нелинейной оптимизации к серии задач квадратичного или дробно-линейного программирования
Мы рассматриваем задачу построения байесовской рейтинг-системы, в которой из результатов отдельных матчей/турниров (упорядочиваний на небольшом множестве) обучается единая ранжирующая функция. Расширяя результаты [9], мы строим рейтинг-систему, которая может учитывать дополнительную численную информацию о результатах турниров. Статья содержит подробные описания моделей байесовских рейтинг-систем, алгоритмы вывода и результаты экспериментов.
Обработка фрагментов знаний с вероятностной неопределенностью в интеллектуальных системах поддержки принятия решений основывается на трех видах локального логи- ко-вероятностного вывода: проверка и поддержание непротиворечивости, априорный и апостериорный вывод. В настоящей статье вычислительные формулы, на которые опираются перечисленные виды логико-вероятностного вывода, представлены на матрично-векторном языке, что сокращает, упрощает и делает более строгой последующую спецификацию алгоритмов вывода. Кроме того, использование матрично-векторного языка открывает новые возможности для исследования свойств результатов локального логико-вероятностного вывода.