Диссертации, представленные на защиту и подготовленные в НИУ ВШЭ

Диссертация посвящена разработке модели глубокого обучения DeepZ для предсказания функциональных регионов Z-ДНК на уровне полного генома. Используя информацию о последовательности и структуре ДНК и омиксных данных, модель обеспечивает высокую точность ибиологическую интерпретируемость. В работе предложены методы эффективной предобработки и хранения омиксных данных и реализован метод анализа расширенного пространства признаков для определения биологически значимых функциональных классов Z-ДНК. Разработанный подход валидирован на геномах человека и мыши. Полученные результаты демонстрируют потенциалприменения методов машинного обучения для решения фундаментальных задач функциональной геномики и биоинформатики.

Общемировой рост поляризации, связанный с дестабилизацией режимов и институтов, актуализирует её изучение. В последние годы в политической науке растет внимание к аффективной поляризации, при которой к союзникам испытывают эмоциональную близость, а к оппонентам – вражду. В современных исследованиях при этом явно подчеркивается усиление роли аутгрупповой дискриминации. При этом существующие исследования аффективной поляризации, в основном сконцентрированные на контексте США и двухпартийной системе, ограничиваются определенным набором политических факторов, что затрудняет экстраполяцию выводов на другие страны, включая Россию с её историческими расколами. Кроме того, акцент на опросах и экспериментах не всегда позволяет выявить глубинные причины и механизмы аффективной поляризации, создавая риски социальной желательности. Наконец, недостаточно учтена связь аффективной поляризации с политическим протестом.
В этой связи настоящее исследование предлагает методологию оценки аффективной поляризации в России на основе анализа языка ненависти в «ВКонтакте». В эмпирическом анализе, охватывающем контрольный (14.03.2019 – 14.05.2019) и экспериментальный (14.07.2019 – 14.09.2019) периоды, использовались автоматическая пре-разметка (ruBERT), ручная кодировка, тематическое моделирование, оценка энтропии, спектральная кластеризация, кросскорреляционная оценка и модели SARIMAX, разности разностей. Результаты демонстрируют, что протестная мобилизация усиливает политическую поляризацию, сопровождающуюся значимым распространением языка ненависти, особенно в связи с тематиками «власть-оппозиция», что свидетельствует об устойчивом расколе. Данный раскол проявляется в усилении аутгрупповой дискриминации к политическим оппонентам во время протестной мобилизации.

This thesis focuses on developing tools and models for studying strategic interaction among agents in dynamics games. This dissertation consists of one pure theory paper and two applied theory papers. The first chapter develops a general result in differential games. This is an area for studying strategic interactions when agents are forward-looking and calculate their future strategic interactions. The second and third chapters deal with the problem of strategic interactions under incomplete information, in the context of networks. In the second chapter, the analytical tools for linking up strategic actions with the evolution of a network are developed. The last chapter extends the second chapter by recommending network-manager strategies that can lead to welfare-improving network evolution under incomplete information. The thesis presents the first studies to propose a search and matching mechanism of network friends in an environment of incomplete information, higher-order beliefs, and evolutionary dynamics.

Исследования посвящены явному описанию геометрических и топологических инвариантов сферических многообразий через геометрические и комбинаторные инварианты их многогранников Ньютона-Окунькова. Цель - перенести торическую картину на более общий класс многообразий с действием редуктивной группы. Основные результаты - явная формлуа для эйлеровой характеристики полных пересечений в редуктивных группах, построение выпукло геометрических моделей исчисления Шуберта на многообразиях полных флагов и явное вычисление многогранника Ньютона-Окунькова многообразия флагов для естественного геометрического нормирования. Формула для эйлеровой характеристики обобщает формулу Бриона-Казарновского на полные пересечения произвольной размерности и получается интегрированием по весовому многограннику представления, связанного с полным пересечением. Для выпукло геометрических моделей исчисления Шуберта  разработан алгоритм (геометрический митоз), позволяющий явно представлять циклы Шуберта положительными линейными комбинациями граней подходящего многогранника Ньютона-Окунькова для произвольного типа (для типа А и многогранников Гельфанда-Цетлина алгоритм сводится к митозу Кнутсона-Миллера на пайп дримах). Явно описан многогранник Ньютона-Окунькова многообразия полных флагов в типе A для нормирования, приходящего из флага сдвинутых многообразий Шуберта, причём получается в точности многогранник Винберга-Лителльманна-Фейгина-Фурье.