Vasant Honavar - Vasant Honavar

Vasant Honavar
Národnost USA
Alma materUniversity of Wisconsin
Drexel University
B.M.S. Vysoká škola inženýrská, Bangalore University
Vědecká kariéra
PolePočítačová věda, Umělá inteligence, Strojové učení, Dolování dat, Bioinformatika, Velká data, Kauzální závěr, Datová věda, Informatika, Reprezentace znalostí, Výpočetní biologie, Kognitivní věda, Zdravotnická informatika, Neuroinformatika, Síťová věda
InstituceIowská státní univerzita
Národní vědecká nadace
Pennsylvania State University
Doktorský poradceLeonard Uhr

Vasant G. Honavar je indický narozený americký počítačový vědec, a umělá inteligence, strojové učení, velká data, datová věda, kauzalita, reprezentace znalostí, bioinformatika a zdravotnická informatika výzkumník a pedagog.

Životopis

Vasant Honavar se narodil v Poona, Indie v roce 1960 Bhavani G. a Gajanan N. Honavar. Rané vzdělání získal na střední škole Vidya Vardhaka Sangha High School a M.E.S. Vysoká škola v Bangalore, Indie. Získal B.E. v elektronickém inženýrství od B.M.S. Vysoká škola inženýrská v Bangalore, Indie v roce 1982, kdy byla přidružena Bangalore University, M.S. v oboru elektrotechniky a výpočetní techniky v roce 1984 od Drexel University, a M.S. v informatice v roce 1989 a Ph.D. v roce 1990 z University of Wisconsin – Madison, kde studoval umělou inteligenci a pracoval s Leonard Uhr.

V roce 2013 se Honavar připojil k fakultě Penn State College of Information Sciences and Technology[1] na Pennsylvania State University kde je držitelem profesorského titulu Edwarda Frymoyera a působí na fakultách magisterských programů v Počítačová věda, Informatika, Bioinformatika a Genomika, Neurovědy a Operační výzkum a vysokoškolského programu v Data Science. Honavar slouží jako ředitel Umělá inteligence Výzkumná laboratoř [2], Náměstek ředitele Institutu pro kybernetické vědy[3] a ředitel Centra pro Big Data Analytics a Discovery Informatics[4] na Pennsylvania State University. Honavar působí ve výkonné radě Northeast Big Data Innovation Hub.[5] Honavar sloužil na Asociace pro výzkum v oblasti výpočetní techniky je Konsorcium výpočetní komunity Rada v období 2014--2017,[6][7] kde předsedal pracovní skupině pro konvergenci dat a výpočetní techniky a byl členem pracovní skupiny pro umělou inteligenci. V roce 2015 byl Honavar zvolen do nominačního výboru voličů v sekci informací, výpočetní techniky a komunikace Americká asociace pro rozvoj vědy.[8] V roce 2016 byl Honavar vybrán jako první Distinguished Visiting Chair of Neurocomputing and Data Science Sudha Murty Indian Institute of Science, Bangalore, Indie. V roce 2018 byl Honavar jmenován Distinguished Member of the Sdružení pro výpočetní techniku za vynikající vědecké příspěvky k práci na počítači; a zvolen za člena Americká asociace pro rozvoj vědy za jeho význačné výzkumné příspěvky a vedení v oblasti datové vědy.

Honavar je známý svými výzkumnými příspěvky v umělá inteligence, strojové učení, dolování dat, reprezentace znalostí, neuronové sítě, sémantický web, velká data analytika a bioinformatika a výpočetní biologie. Publikoval více než 300 výzkumných článků, včetně mnoha vysoce citovaných,[9][10] stejně jako několik knih o těchto tématech.[11] Jeho nedávná práce se zaměřila na škálovatelné algoritmy pro konstrukci prediktivních modelů z velkých, sémanticky odlišných distribuovaných dat a učení prediktivních modelů z propojená otevřená data, velká data analytika, analýza a predikce rozhraní a interakcí protein-protein, protein-RNA a protein-DNA, analýza sociální sítě, zdravotnická informatika, odpovídání na dotazy zachovávající tajemství, představování a uvažování o preferencích a kauzální závěr a metaanalýza.

Honavar přímo dohlížel na disertační výzkum 34 Ph.D. studenti,[12] z nichž všichni pokračovali v úspěšném výzkumu v akademické sféře, průmyslu nebo ve vládě.

V letech 1990–2013 byl Honavar profesor z počítačová věda na Iowská státní univerzita kam vedl Umělá inteligence Research Laboratory, kterou založil v roce 1990. V letech 2006 až 2013 působil jako ředitel Iowa State University Center for Computational Intelligence, Learning and Discovery, kterou založil v roce 2006. Pomáhal při vytváření Iowská státní univerzita mezirezortní postgraduální program v Bioinformatika a Výpočetní biologie (a předsedal mu v letech 2003–2005).

V letech 2010–2013 působil Honavar jako Programový ředitel v informační integraci a Informatika Program v divizi informačních a inteligentních systémů EU Počítač a Informační věda a Inženýrství Ředitelství USA Národní vědecká nadace kam vedl Velká data Program[13] a přispěl k několika základním a průřezovým programům.

Honavar pořádá hostující profesury na adrese Univerzita Carnegie Mellon, University of Wisconsin – Madison a na Indian Institute of Science.

Honavar se celkem aktivně podílí na podpoře národní a mezinárodní vědecké spolupráce v oblasti umělé inteligence, datových věd a jejich aplikací při řešení národních, mezinárodních a společenských priorit, např. Při zrychlování vědy, zlepšování zdraví, transformaci zemědělství, rozvoji vzdělávání atd. prostřednictvím partnerství, která spojují akademickou obec, neziskové organizace a průmysl [14] [15] [16] [17] [18] [19].

Vybrané knihy a články

Knihy

  • Vasant Honavar a Leonard Uhr. (Ed.) Artificial Intelligence and Neural Networks: Steps Toward Princeded Integration. New York: Academic Press. 1994. ISBN  0-12-355055-6
  • Vasant Honavar a Giora Slutzki (vyd.). Gramatický závěr. Berlín: Springer-Verlag. 1998. ISBN  3-540-64776-7
  • Mukesh Patel, Vasant Honavar a Karthik Balakrishnan (vyd.). Pokroky v evoluční syntéze inteligentních agentů. Cambridge, MA: MIT Press. 2001. ISBN  0-262-16201-6
  • Ganesh Ram Santhanam, Samik Basu a Vasant Honavar. Zastupování a uvažování s kvalitativními preferencemi: Nástroje a aplikace. Přednáška č. 31, Syntéza Přednášky o umělé inteligenci a strojovém učení. Vydavatelé Morgan & Claypool. 2016. doi:10.2200 / S00689ED1V01Y201512AIM031, ISBN  978-1-62705-839-1

Články

Poziční práce na umělou inteligenci, datové vědy a související témata

  • Barocas, S., Bradley, E., Honavar, V. a Provost, F. (2017). Big Data, Data Science a občanská práva. Konsorcium výpočetní komunity. arXiv předtisk arxiv: 1706.03102.
  • Hager, G., Bryant, R., Horvitz, E., Mataric, M. a Honavar, V. (2017). Pokroky v umělé inteligenci vyžadují pokrok napříč celou informatikou. Konsorcium výpočetní komunity. arXiv předtisk arXiv: 1707.04352
  • Honavar, V., Yelick, K., Nahrstedt, K., Rushmeier, H., Rexford, J., Hill, Mark., Bradley, E. a Mynatt, E. (2017). Advanced Cyberinfrastructure for Science, Engineering, and Public Policy. Konsorcium výpočetní komunity. arXiv předtisk arXiv: 1707,00599.
  • Honavar, V., Hill, M. Yelick, K. (2016). Urychlení vědy: program výzkumu v oblasti výpočetní techniky, konsorcium výpočetní komunity.
  • Honavar, V. (2014). Honavar, V. (2014). Příslib a potenciál velkých dat: případ pro Discovery Informatics Review of Policy Research 31: 4 10.1111 / ropr.12080.

Kauzální závěr

  • Lee, S. a Honavar, V. (2020). Směrem k robustnímu relačnímu kauzálnímu objevu. In: Sborník z třicáté páté konference o nejistotě v umělé inteligenci s. 345–355
  • Kandasamy, S., Bhattacharyya, A. a Honavar, V. (2019). Minimální intervenční kryt kauzálního grafu. In: Proceedings of the 33. AAAI Conference on Artificial Intelligence (AAAI-19).
  • Khademi, A., Lee, S., Foley, D. a Honavar, V. (2019). Spravedlnost v algoritmickém rozhodování: Předběžná exkurze objektivem kauzality. In: Proceedings of the Web Conference.
  • Lee, S. a Honavar, V. (2017). Test podmíněnosti nezávislosti na samém rozporu. In: Konference o nejistotě v umělé inteligenci (UAI-17).
  • Lee, S. a Honavar, V. (2017). Test nezávislosti jádra pro relační data. In: Konference o nejistotě v umělé inteligenci (UAI-17).
  • Bui, N., Yen, J. a Honavar, V. (2016). Časová analýza kauzality změny sentimentu v síti pro přežití rakoviny. Transakce IEEE na výpočetních sociálních systémech. doi:10.1109 / TCSS.2016.2591880
  • Lee, S. a Honavar, V. (2016). Charakterizace tříd Markovovy ekvivalence relačních kauzálních modelů pod sémantikou cest. In: Sborník z konference o nejistotě v umělé inteligenci (UAI-16).
  • Lee, S. a Honavar, V. (2016). O učení kauzálních modelů z relačních dat. In: Proceedings of the Thirtyieth AAAI Conference on Artificial Intelligence (AAAI-16).
  • Bui, N., Yen, J. a Honavar, V. (2015). Časová příčinnost sociální podpory v online komunitě pro ty, kteří přežili rakovinu In: Mezinárodní konference o sociálních výpočtech, behaviorálně-kulturním modelování a predikci (SBP15). Springer-Verlag Lecture Notes in Computer Science, Vol. 9021, s. 13–23.
  • Lee, S. a Honavar, V. (2015). Zdvižené zastoupení relačních kauzálních modelů znovu navštíveno: Důsledky pro uvažování a strukturované učení In: Workshop on Advances in Causal Inference, Conference on Un certainty in Artificial Intelligence, 2015.
  • Bareinboim, E., Lee, S., Honavar, V. a Pearl, J. (2013). Přenositelnost z více prostředí s omezenými experimenty. In: Advances in Neural Information Systems (NIPS) 2013. s. 136–144.
  • Lee, S. a Honavar, V. (2013). Přenositelnost příčinného vlivu z více prostředí. In: Sborník 27. konference o umělé inteligenci (AAAI 2013).
  • Lee, S. a Honavar, V. (2013). Příčinná přenositelnost experimentů na kontrolovatelných podmnožinách proměnných: z-přenositelnost. In: Sborník z 29. konference o nejistotě v umělé inteligenci (UAI 2013).

Strojové učení, neuronové sítě a hluboké učení

  • Liang, J., Xu, D., Sun, Y. a Honavar, V. (2020). LMLFM: Podélné víceúrovňové faktorizační stroje. In: Proceedings of the 34.th AAAI Conference on Artificial Intelligence, AAAI 2020: pp. 4811-4818
  • Le. T. a Honavar, V. (2020). Latentní variabilní model dynamického gaussovského procesu pro reprezentaci Učení se z dlouhodobých datových sborníků ACM-IMS 2020 o konferenci Základy datové vědy Říjen 2020 Strany 183–188. https://doi.org/10.1145/3412815.3416894
  • Sun, Y., Wang, S., Tang, X., Hsieh, T-Y. A Honavar, V. (2020). Vstřikování uzlů, které není specifické pro cíl, útočí na neuronové sítě v grafu: Hierarchická výzva k učení. Sborník konference Web Conference 2020 (WWW ’20) https://doi.org/10.1145/3366423.3380149
  • Sun, Y., Tang, X., Hsieh, T-Y., Wang, S. a Honavar, V. (2019). MEGAN: Generativní Adversarial Network Algorithm for Multi-View Network Embedding. In: Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI-2019).
  • Hsieh, T-Y, Sun, Y., Wang, S. a Honavar, V. (2019). Adaptivní strukturální koregularizace pro neřízený výběr funkcí více pohledů. In: Proceedings of the IEEE International Conference on Big Knowledge (ICBK-2019).
  • Zhou, Y., Sun, Y. a Honavar, V. (2019). Zlepšení titulků pomocí využití znalostních grafů. IEEE Winter Conference on Applications of Computer Vision.
  • Hsieh, T.Y., El-Manzalawy, Y., Sun, Y. a Honavar, V (2018). Kompoziční stochastický průměrný přechod pro strojové učení a související aplikace. In: Sborník 19. mezinárodní konference o inteligentním datovém inženýrství a automatizovaném učení.
  • Sun, Y., Bui, N., Hsieh, T-Y. A Honavar, V. (2018). Vkládání více pohledů do sítě prostřednictvím klastrování faktorizace grafů a společné regulace více pohledů. Mezinárodní seminář IEEE ICDM o Graph Analytics.
  • Liang, J., Hu, J., Dong, S. a Honavar, V. (2018). Top-N-Rank: Zkrácený seznamový přístup k hodnocení pro doporučení Top-N ve velkém měřítku. In: Proceedings of the IEEE International Conference on Big Data.
  • Hu, J., Liang, J., Kuang, Y. a Honavar, V. (2018). Přístup doporučení Top-N založený na podobnosti uživatelů pro mobilní reklamu v aplikaci. Expertní systémy s aplikacemi. Sv. 111. str. 51–60.
  • Bui, N., Le, T. a Honavar, V. (2016). Označování aktérů v sociálních sítích s více pohledy integrací informací zevnitř i přes více pohledů. In: Proceedings of the IEEE Conference on Big Data.
  • Lin, H., Bui, N. a Honavar, V. (2015). Učení klasifikátorů ze vzdálených datových úložišť RDF doplněno hierarchiemi podtříd RDFS. In: 2nd International Workshop on High Performance Big Graph Data Management, Analysis, and Mining (BigGraph 2015), The IEEE International Conference on Big Data.
  • Bui, N. a Honavar, V. (2014). Označování aktérů v sociálních sítích pomocí heterogenního grafického jádra. In: International Conference on Social Computing, Behavioral-Cultural Modeling, and Predikce (SBP14). 27–34.
  • Lin, H. a Honavar, V. (2013). Učení klasifikátorů z řetězců více propojených datových úložišť RDF. In: IEEE Big Data Congress. Cena za nejlepší studentský papír.
  • Lin, H., Lee, S., Bui, N. a Honavar, V. (2013). Učení klasifikátorů z distribučních dat. In: IEEE Big Data Congress.
  • Bui, N. a Honavar, V. (2013). O užitečnosti abstrakce při označování aktérů v sociálních sítích. In: 2013 IEEE / ACM International Conference on Advances in Social Networks Analysis and Mining.
  • Silvescu, A. a Honavar, V. (2013). Abstrakce Superstrukturální normální formy: Směrem k teorii strukturní indukce. In: Algoritmická pravděpodobnost a přátelé. Bayesovská predikce a umělá inteligence (str. 339–350). Springer Berlin Heidelberg.
  • Tu, K. a Honavar, V. (2012). Regularizace jednoznačnosti pro nekontrolované učení pravděpodobnostních gramatik. In: Proceedings of EMNLP-CoNLL 2012: Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. str. 1324–1334.
  • Lin, H., Koul, N. a Honavar, V. (2011). Učení relačních Bayesiánských klasifikátorů z dat RDF. In: Proceedings of the International Semantic Web Conference (ISWC 2011). Springer-Verlag Přednášky v informatice sv. 7031 s. 389–404.
  • Tu, K. a Honavar, V. (2011). O užitečnosti osnov při nekontrolovaném učení gramatik. In: Proceedings of the Twenty-Second International Joint Conference on Artificial Intelligence (IJCAI 2011) pp. 1523–1528.
  • Tu, K., Ouyang, X., Han, D., Yu, Y. a Honavar, V. (2011). Příkladný Robustní koherentní Biclustering. In: Proceedings of the SIAM Conference on Data Mining (SDM 2011). str. 884–895.
  • Yakhnenko, O. a Honavar, V. (2011). Vícestupňové učení více štítků pro klasifikaci obrázků s velkými slovníky. In: Proceedings of the British Machine Vision Conference.
  • Caragea, C., Silvescu, A., Caragea, D. a Honavar, V. (2010). Abstrakčně rozšířené Markovovy modely. In: Proceedings of the IEEE Conference on Data Mining (ICDM 2010). Tisk IEEE. str. 68–77.
  • Koul, N. a Honavar, V. (2010). Učení v přítomnosti chyb mapování ontologie. In: Proceedings of the IEEE / WIC / ACM International Conference on Web Intelligence and Intelligent Agent Technology. str. 291–296. Stiskněte ACM.
  • Bromberg, F., Margaritis, D. a Honavar, V. (2009). Efektivní zjišťování struktury sítě Markov z testů nezávislosti. Journal of Artificial Intelligence Research. Sv. 35. str. 449–485.
  • El-Manzalawi, Y. a Honavar, V. (2009). MICCLLR: Výuka s více instancemi pomocí poměru pravděpodobnosti podmíněného přihlášení třídy. In: Proceedings of the 12th International Conference on Discovery Science (DS 2009). Springer-Verlag Přednášky v informatice sv. 5808, s. 80–91, Berlín: Springer.
  • Silvescu, A., Caragea, C. a Honavar, V. (2009). Kombinace superstruktury a abstrakce při klasifikaci sekvence. Konference IEEE o dolování dat (ICDM 2009).
  • Yakhnenko, O. a Honavar, V. (2009). Multimodální hierarchický Dirichletův procesní model pro predikci anotací obrazu a korespondence štítků obrazových objektů. In: Proceedings of the SIAM Conference on Data Mining, SIAM. str. 281–294
  • Tu, K. a Honavar, V. (2008). Neomezené učení pravděpodobnostní bezkontextové gramatiky pomocí iterativního Biclusteringu. . In: International Colloquium on Grammatical Inference (ICGI-2008). Springer-Verlag Přednášky v informatice sv. 5278 s. 224–237.
  • Yakhnenko, O. a Honavar, V. (2008). Anotace obrázků a obrazových objektů pomocí hierarchického modelu Dirichletova procesu. 9. mezinárodní seminář o dolování multimediálních dat (SIGKDD MDM 2008), Las Vegas, ACM.
  • Zhang, J .; Kang, D. K.; Silvescu, A .; Honavar, V. (2006). „Naučit se přesné a stručné naivní Bayesovy klasifikátory z taxonomií a dat atributové hodnoty“. Znalostní a informační systémy. 9 (2): 157–179. doi:10.1007 / s10115-005-0211-z. PMC  2846370. PMID  20351793.
  • Caragea, D., Zhang, J., Bao, J., Pathak, J. a Honavar, V. (2005). Algoritmy a software pro společné objevování z autonomních, sémanticky heterogenních informačních zdrojů (pozvaná práce). Sborník příspěvků ze 16. mezinárodní konference o teorii algoritmického učení. Přednášky z informatiky, Singapur, Berlín: Springer-Verlag. Sv. 3734. str. 13–44
  • Zhang, J., Caragea, D. a Honavar, V. Učení klasifikátorů vědomých si ontologie. Sborník příspěvků z 8. mezinárodní konference o vědě o objevech. Springer-Verlag Přednášky v informatice, Singapur, Berlín: Springer-Verlag. Sv. 3735. str. 308–321, 2005.
  • Yakhnenko, O., Silvescu, A. a Honavar, V. (2005) Diskriminačně trénovaný Markovův model pro klasifikaci sekvence. Konference IEEE o dolování dat (ICDM 2005), Houston, Texas, IEEE Press
  • Kang, D-K., Zhang, J., Silvescu, A. a Honavar, V. (2005) Abstrakce založená na modelu multinomálního modelu událostí pro sekvenci a klasifikaci textu. Proceedings of the Symposium on Abstraction, Reformulation, and Aproximation (SARA 2005), Edinburgh, UK, Berlin: Springer-Verlag. Sv. 3607. str. 134–148.
  • Wu. F., Zhang, J. a Honavar, V. (2005) Učení klasifikátorů pomocí hierarchicky strukturovaných taxonomií tříd. Proceedings of the Symposium on Abstraction, Reformulation, and Aproximation (SARA 2005), Edinburgh, Berlin, Springer-Verlag. Sv. 3607. str. 313–320.
  • Caragea, D .; Silvescu, A .; Honavar, V. (2004). „Rámec pro učení z distribuovaných dat pomocí dostatečné statistiky a její aplikace na učení rozhodovacích stromů“. International Journal of Hybrid Intelligent Systems. 1 (2): 80–89. doi:10.3233 / HIS-2004-11-210. PMC  2846376. PMID  20351798.
  • Kang, D-K., Silvescu, A., Zhang, J. a Honavar, V. Generace taxonomií hodnot atributů z dat pro přesnou a kompaktní konstrukci klasifikátoru. IEEE International Conference on Data Mining, IEEE Press. s. 130–137, 2004.
  • R. Polikar, L. Udpa, S. Udpa a V. Honavar (2004). Inkrementální algoritmus učení s odhadem spolehlivosti pro automatickou identifikaci signálů NDE. IEEE transakce ultrazvuku, feroelektriky a řízení frekvence. Sv. 51. str. 990–1001, 2004.
  • Atramentov, A., Leiva, H. a Honavar, V. (2003). Algoritmus učení se multirelačním rozhodovacím stromem - implementace a experimenty .. In: Sborník ze třinácté mezinárodní konference o induktivním logickém programování. Berlín: Springer-Verlag.
  • Zhang, J. a Honavar, V. (2003). Učení klasifikátorů stromu rozhodnutí z taxonomií hodnot atributů a částečně specifikovaných dat. In: Proceedings of the International Conference on Machine Learning (ICML-03).
  • Zhang, J., Silvescu, A. a Honavar, V. (2002). Ontologie řízená indukce rozhodovacích stromů na více úrovních abstrakce. In: Proceedings of Symposium on Abstraction, Reformulation, and Aproximation. Berlín: Springer-Verlag.
  • Polikar, R., Udpa, L., Udpa, S. a Honavar, V. (2001). Learn ++: Inkrementální učební algoritmus pro vícevrstvé sítě Perceptron. Transakce IEEE na systémech, člověku a kybernetice. Sv. 31, č. 4. str. 497–508.
  • Parekh, R. a Honavar, V. (2001). Učení DFA z jednoduchých příkladů. Strojové učení. Sv. 44. s. 9–35.
  • Silvescu, A. a Honavar, V. (2001). Dočasné booleovské síťové modely genetických sítí a jejich odvození z časové řady genových výrazů. Complex Systems .. Sv. 13. č. 1. str. 54-.
  • Balakrishnan, K., Bousquet, O. a Honavar, V. (2000). Prostorové učení a lokalizace u zvířat: Výpočtový model a jeho důsledky pro mobilní roboty, adaptivní chování. Sv. 7. č. 2. s. 173–216.
  • Caragea, D., Silvescu, A. a Honavar, V. (2000). Agenti, kteří se učí z distribuovaných zdrojů dynamických dat. In: Proceedings of the ECML 2000 / Agents 2000 Workshop on Learning Agents. Barcelona, ​​Španělsko.
  • Parekh, R. a Honavar, V. (2000). O vztazích mezi modely učení v užitečných prostředích. In: Proceedings of the Fifth International Conference on Grammatical Inference. Lisabon, Portugalsko.
  • Parekh, R., Yang, J. a Honavar, V. (2000). Konstruktivní algoritmy učení neurální sítě pro klasifikaci vzorů více kategorií. Transakce IEEE na neuronových sítích. Sv. 11. Č. 2. str. 436–451.
  • Polikar, R., Udpa, L., Udpa, S. a Honavar, V. (2000). Learn ++: Přírůstkový učební algoritmus pro vícevrstvé sítě Perceptron. In: Proceedings of the IEEE Conference on Acoustics, Speech and Signal Processing (ICASSP) 2000. Istanbul, Turkey.
  • Yang, J., Parekh, R. & Honavar, V. (2000). Porovnání výkonu variant jednovrstvých perceptronových algoritmů na neoddělitelných datech. Neurální, paralelní a vědecké výpočty. Sv. 8. str. 415–438.
  • Yang, J. a Honavar, V. (1999). DistAl: Konstruktivní algoritmus učení neuronových sítí založený na vzdálenosti mezi vzory. Inteligentní analýza dat. Sv. 3. s. 55–73.
  • Parekh, R. a Honavar, V. (1999). Jednoduché DFA jsou polynomiálně pravděpodobně přesně naučitelné z jednoduchých příkladů. In: Sborník mezinárodní konference o strojovém učení. Bled, Slovinsko.
  • Bousquet, O., Balakrishnan, K. a Honavar, V. (1998). Je hippocampus Kalmanovým filtrem? In: Proceedings of the Pacific Symposium on Biocomputing. Singapur: World Scientific. str. 655–666.
  • Parekh, R., Nichitiu, C. a Honavar, V. (1998). Polynomiální časově přírůstkový algoritmus pro učení DFA. In: Proceedings of the Fourth International Colloquium on Grammatical Inference (ICGI'98), Ames, IA. Přednášky v informatice sv. 1433 s. 37–49. Berlín: Springer-Verlag.
  • Yang, J. a Honavar, V. (1998). Výběr podmnožiny prvků pomocí genetického algoritmu. Inteligentní systémy IEEE (zvláštní vydání týkající se transformace funkcí a výběru podmnožiny). sv. 13. s. 44–49.
  • Parekh, R.G., Yang, J. a Honavar, V. (1997). MUPStart - konstruktivní algoritmus učení neurální sítě pro klasifikaci vzorů více kategorií. In: Proceedings of the IEEE International Conference on Neural Networks (ICNN'97). Houston, TX. 1924–1929.
  • Parekh, R.G., Yang, J. a Honavar, V. (1997). Strategie prořezávání pro algoritmy učení konstruktivní neuronové sítě. In: Proceedings of the IEEE International Conference on Neural Networks (ICNN'97). Houston, TX. str. 1960–1965. 9. – 12. Června 1997.
  • Parekh, R.G. a Honavar, V. (1997) Učení DFA z jednoduchých příkladů. In: Proceedings of the International Workshop on Algorithmic Learning Theory. (ALT 97). Sendai, Japonsko. Přednášky z informatiky. Sv. 1316 s. 116–131.
  • Chen, C-H., Parekh, R., Yang, J., Balakrishnan, K. a Honavar, V. (1995). Analýza hranic rozhodování generovaných algoritmy učení konstruktivní neuronové sítě. In: Proceedings of the World Congress on Neural Networks (WCNN'95). Washington, DC, 17. - 21. července 1995. str. 628–635.
  • Honavar, V .; Uhr, L. (1993). Msgstr "Generativní výukové struktury pro generalizované konekcionistické sítě". Informační vědy. 70 (1–2): 75–108. doi:10.1016 / 0020-0255 (93) 90049-r.
  • Honavar, V. (1992). Některá předsudky pro efektivní učení prostorových, časových a časoprostorových vzorů. In: Proceedings of International Joint Conference on Neural Networks. Peking, Čína.

Reprezentace znalostí a sémantický web

  • Tao, J .; Slutzki, G .; Honavar, V. (2015). „Koncepční rámec pro uvažování zachovávající tajemství ve znalostních základnách“. Transakce ACM ve výpočetní logice. 16: 1–32. doi:10.1145/2637477. S2CID  11436585.
  • Santhanam, G.R., Basu, S. a Honavar, V. (2013) Ověření preferenční ekvivalence a subsumpce pomocí kontroly modelu. In International Conference on Algorithmic Decision Theory (pp. 324–335). Springer Berlin Heidelberg.
  • Tao, J., Slutzki, G. a Honavar, V. (2012). Algoritmy tabulkového PSpace pro Acyclic Modalized ALC. Journal of Automated Reasoning. Sv. 49. str. 551–582
  • Santhanam, G .; Basu, S .; Honavar, V. (2011). "Zastoupení a odůvodnění kvalitativních preferencí pro kompoziční systémy". Journal of Artificial Intelligence Research. 42: 211–274.
  • Santhanam, G., Suvorov, Y., Basu, S. a Honavar, V. (2011). Ověření zásad intervence pro boj proti šíření infekce v sítích: přístup ke kontrole modelu. In: Proceedings of the Twenty-Fifthth Conference on Artificial Intelligence (AAAI-2011). 1408–1414.
  • Sanghvi, B., Koul, N. a Honavar, V. (2010). Identifikace a eliminace nesrovnalostí v mapování napříč hierarchickými ontologiemi. In: Springer-Verlag Lecture Notes in Computer Science Vol. 6427, str. 999–1008. Berlín: Springer.
  • Santhanam, G., Basu, S. a Honavar, V. (2010). Efektivní testování dominance pro bezpodmínečné preference. In: Sborník z dvanácté mezinárodní konference o zásadách reprezentace a uvažování znalostí (KR 2010). str. 590–592. Tisk AAAI.
  • Santhanam, G., Basu, S. a Honavar, V. (2010). Testování dominance pomocí kontroly modelu. In: Sborník z 24. konference AAAI o umělé inteligenci (AAAI-10). str. 357–362. Tisk AAAI.
  • Bao, J., Voutsadakis G., Slutzki, G. Honavar :, V. (2009). Logika popisu na základě balíčku. In: Modular Ontologies: Concepts, Theories and Techniques for Knowledge Modularization. Lecture Notes in Computer Science Vol. 5445, s. 349–371
  • Bao, J., Voutsadakis, G., Slutzki, G. a Honavar, V. (2008). O rozhodnutelnosti mapování rolí mezi modulárními ontologiemi. In: Proceedings of the 23. Conference on Artificial Intelligence (AAAI-2008), Menlo Park, CA: AAAI Press, pp. 400–405
  • Bao, J., Slutzki, G. a Honavar, V. (2007). Přístup sémantického importu k opětovnému využití znalostí z více ontologií .. In: Sborník z 22. konference o umělé inteligenci (AAAI-2007). Vancouver, Kanada. Přístup sémantického importu k opětovnému použití znalostí z více ontologií. str. 1304–1309. Tisk AAAI.
  • Bao, J., Slutzki, G. a Honavar, V. (2007). Důvody zachování soukromí na sémantickém webu. Konference IEEE / WIC / ACM o webové inteligenci. IEEE. 791–797
  • Bao, J., Caragea, D. a Honavar, V. (2006). On the Semantics of Linking and Importing in Modular Ontologies.In: Proceedings of the International Semantic Web Conference (ISWC 2006), Lecture Notes in Computer Science, Berlin: Springer. Lecture Notes in Computer Science Vol. 4273, s. 72–86.
  • Bao, J., Caragea, D. a Honavar, V. (2006). Algoritmus federovaného uvažování založený na tablu pro modulární ontologie. In: Proceedings of the ACM / IEEE / WIC Conference on Web Intelligence. Tisk IEEE. 404–410.
  • Bao, J., Caragea, D. a Honavar, V. Distribuovaný tabloový algoritmus pro logiku popisu založenou na balíčku. Sborník z druhého mezinárodního semináře o reprezentaci a uvažování o kontextu (CRR 2006), Riva del Garda, Itálie, CEUR. 2006.
  • Bao, J., Caragea, D. a Honavar, V. Modulární ontologie - formální zkoumání sémantiky a expresivity. Ve sborníku z první asijské konference o sémantickém webu, Peking, Čína, Springer-Verlag. Sv. Sv. 4185, s. 616–631, 2006. Cena za nejlepší papír
  • Silvescu, A. a Honavar, V. Nezávislost, rozložitelnost a funkce, které berou hodnoty do skupiny Abelian. Sborník devátého mezinárodního sympozia o umělé inteligenci a matematice, http://anytime.cs.umass.edu/aimath06/proceedings.html, 2006.

Datová a výpočetní infrastruktura pro spolupráci

  • Parashar, M., Honavar, V., Simonet, A., Rodero, I., Ghahramani, F., Agnew, G. a Jantz, R. (2019). The Virtual Data Collaboratory: A Regional Cyberinfrastructure for Collaborative Data-Driven Research. Výpočetní technika ve vědě a inženýrství. V tisku.
  • Santhanam, GR, Basu, S. a Honavar, V. (2013). Přizpůsobení služby založené na preferencích pomocí náhrady služby. In Proceedings of the 2013 IEEE / WIC / ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT) - Volume 01 (pp. 487–493). IEEE Computer Society.
  • Sun, H., Basu, S., Honavar, V. a Lutz, R. (2010). Automatizované ověřování bezpečnostních požadavků složených webových služeb. In: Proceedings of the IEEE International Symposium on Software Reliability Engineering (ISSRE-2010). str. 348–357, IEEE Press.
  • Santhanam, G.R., Basu, S. a Honavar, V. (2009). Substituce webových služeb na základě preferencí před nefunkčními atributy. In: Proceedings of the IEEE International Conference on Services Computing (SCC 2009).
  • Pathak, J., Basu, S. a Honavar, V. (2008). Vytváření webových služeb prostřednictvím automatické přeformulování specifikací služeb. Sborník mezinárodní konference IEEE o službách výpočetní techniky, IEEE, s. 361–369.
  • Pathak, J .; Basu, S .; Lutz, R .; Honavar, V. (2008). „MoSCoE: Přístup ke skládání webových služeb prostřednictvím iterativní přeformulování funkčních specifikací“. International Journal on Artificial Intelligence Tools. 17 (1): 109–138. CiteSeerX  10.1.1.301.6753. doi:10,1142 / s0218213008003807.
  • Santhanam, G., Basu, S. a Honavar, V. (2008). TCP-Compose * - Algoritmus založený na protokolu TCP pro efektivní složení webových služeb založený na kvalitativních preferencích. Proceedings of the 6th International Conference on Service Oriented Computing, Springer-Verlag Lecture Notes in Computer Science, Vol. 5254. str. 453–467
  • Pathak, J., Basu, S. a Honavar, V. (2007). O kontextově specifické zaměnitelnosti webových služeb. In: Proceedings of the IEEE International Conference on Web Services. str. 192–199. Tisk IEEE.
  • Pathak, J., Li, Y., Honavar, V., McCalley, J. (2007). Architektura orientovaná na služby pro správu aktiv systému přenosu elektrické energie. Druhý mezinárodní workshop o aplikacích zaměřených na inženýrské služby: design a kompozice, poznámky k přednášce v informatice, Berlín: Springer-Verlag, 2007.
  • Pathak, J., Basu, S., Lutz, R. a Honavar, V. (2006). Výběr a tvorba webových služeb prostřednictvím iterativní reformulace funkčních specifikací. Proceedings of the IEEE International Conference on Tools With Artificial Intelligence (ICTAI 2006), Washington, DC, IEEE Press. Cena za nejlepší papír. 445–454.
  • Pathak, J., Basu, S. a Honavar, V. (2006). Modelování webových služeb iterativní reformulací funkčních a nefunkčních požadavků. Sborník z mezinárodní konference o výpočetní technice zaměřené na služby. Přednášky z informatiky, Berlín: Springer, sv. 4294, s. 314–326.
  • Pathak, J., Yuan, L., Honavar, V. a McCalley, J. (2006). Service-Oriented Architecture for Electric Power Transmission System Asset Management, In: Proceedings of the Second International Workshop on Engineering Service-Oriented Applications: Design and Composition (WESOA-2006), Lecture Notes in Computer Science, Berlin: Springer-Verlag.
  • Pathak, J., Basu, S., Lutz, R. a Honavar, V. (2006). Složení paralelní webové služby v MoSCoE: přístup založený na choreografii. Sborník z evropské konference IEEE o webových službách (ECOWS 2006), Curych, Švýcarsko, IEEE. V tisku.
  • Pathak, J., Basu, S. a Honavar, V. Modelování složení webových služeb pomocí symbolických přechodových systémů. AAAI '06 Workshop on AI-Driven Technologies for Services-Oriented Computing (AI-SOC), Boston, MA, AAAI Press, 2006.
  • Pathak, J., Koul, N., Caragea, D. a Honavar, V. Rámec pro objev sémantických webových služeb. Proceedings of the 7th ACM International Workshop on Web Information and Data Management (WIDM 2005)., ACM Press. 45–50, 2005.
  • Pathak, J., Caragea, D. a Honavar, V. Ontology-Extended Component-Based Workflows: Rámec pro konstrukci komplexních pracovních toků ze sémanticky heterogenních softwarových komponent. Workshop VLDB-04 o sémantickém webu a databázích. Springer-Verlag Přednášky v informatice., Toronto, Springer-Verlag. Sv. 3372. s. 41–56, 2004.

Aplikovaná informatika: Bioinformatika, Zdravotnická informatika, Materiálová informatika

Computer and information security

  • Oster, Z., Santhanam, G., Basu, S. and Honavar, V. (2013). Model Checking of Qualitative Sensitivity Preferences to Minimize Credential Disclosure. International Symposium on Formal Aspects of Component Software. Springer-Verlag Lecture Notes in Computer Science Vol. 7684, pp. 205–223, 2013.
  • Helmer, G.; Wong, J.; Slagell, M.; Honavar, V.; Miller, L .; Wang, Y .; Wang, X .; Stakhanova, N. (2007). "Software Fault Tree and Colored Petri Net Based Specification, Design, and Implementation of Agent-Based Intrusion Detection Systems". International Journal of Information and Computer Security. 1 (1/2): 109–142. doi:10.1504/ijics.2007.012246.
  • Wang, Y .; Behera, S.; Wong, J.; Helmer, G.; Honavar, V.; Miller, L .; Lutz, R. (2006). "Towards Automatic Generation of Mobile Agents for Distributed Intrusion Detection Systems". Journal of Systems and Software. 79: 1–14. doi:10.1016/j.jss.2004.08.017.
  • Kang, D-K., Fuller, D., and Honavar, V. Learning Misuse and Anomaly Detectors from System Call Frequency Vector Representation. IEEE International Conference on Intelligence and Security Informatics. Springer-Verlag Lecture Notes in Computer Science, Springer-Verlag. Sv. 3495. pp. 511–516, 2005.
  • Helmer, G.; Wong, J.; Honavar, V.; Miller, L. (2003). "Lightweight Agents for Intrusion Detection". Journal of Systems and Software. 67 (2): 109–122. CiteSeerX  10.1.1.308.7424. doi:10.1016/s0164-1212(02)00092-4.
  • Helmer, G.; Wong, J.; Slagell, M.; Honavar, V.; Miller, L .; Lutz, R. (2002). "A Software Fault Tree Approach to Requirements Specification of an Intrusion Detection System". Inženýrské požadavky. 7 (4): 207–220. CiteSeerX  10.1.1.101.853. doi:10.1007/s007660200016. S2CID  7414703.

Vyznamenání

Reference

  1. ^ "Vasant Honavar's Official Web Page at Pennsylvania State University"
  2. ^ "Artificial Intelligence Research Laboratory". Citováno 29. května 2015.
  3. ^ "Penn State Institute for Cyberscience". Citováno 29. května 2015.
  4. ^ "Interdisciplinary Center Seeks to Leverage the Power of Big Data Analytics
  5. ^ "Exploring Big Data's Potential for the Northeast". Citováno 3. listopadu 2015.
  6. ^ "Computing Community Consortium Members". Citováno 29. května 2015.
  7. ^ "CCC Announces new members". Citováno 31. května 2015.
  8. ^ "Susan Hockfield Chosen to Serve as AAAS President-Elect". Citováno 21. prosince 2015.
  9. ^ "ORCID Record for Vasant Honavar".
  10. ^ "Vasant Honavar's Google Scholar Page". Citováno 29. května 2015.
  11. ^ "Library of Congress Catalog Search". Citováno 29. května 2015.
  12. ^ Vasant Honavar na Matematický genealogický projekt
  13. ^ "NSF 12-499 Core Techniques and Technologies for Big Data". Citováno 29. května 2015.
  14. ^ "Northeast Big Data Innovation Hub". Citováno 20. října 2019.
  15. ^ "Eastern Regional Network". Citováno 20. října 2019.
  16. ^ "Workshop on Brain, Computation, and Learning". Citováno 20. října 2019.
  17. ^ "Global Innovation Forum: Transforming Intelligence". Citováno 20. října 2019.
  18. ^ "US-Serbia and West Balkan Data Science Workshop". Citováno 20. října 2019.
  19. ^ "International Summer School on Deep Learning". Citováno 20. října 2019.
  20. ^ "Honavar honored for his leadership of the NSF Big Data Program". Citováno 29. května 2015.
  21. ^ "Inside Iowa State" (PDF). Citováno 31. května 2015.
  22. ^ "Teaching, service and research awards to LAS faculty, staff". Citováno 31. května 2015.
  23. ^ "2007 Fall University Convocation & Awards Ceremony". Citováno 31. května 2015.
  24. ^ "125 People of Impact". Citováno 25. srpna 2016.
  25. ^ "Sudha Murty' chair launched at IISc". Citováno 14. října 2016.
  26. ^ "2018 ACM Distinguished Members Recognized for Contributions that Have Revolutionized How We Live, Work and Play". Citováno 8. listopadu 2018.
  27. ^ "AAAS Honors Accomplished Scientists as 2018 Elected Fellows". Citováno 29. listopadu 2018.

externí odkazy