Vasant Honavar - Vasant Honavar

Vasant Honavar
Nasjonalitet  USA
Alma mater University of Wisconsin
Drexel University
B.MS College of Engineering , Bangalore University
Vitenskapelig karriere
Enger Informatikk , kunstig intelligens , maskinlæring , data mining , bioinformatikk , Big Data , årsaks slutning , datavitenskap , informatikk , kunnskapsrepresentasjon , Computational biologi , kognitiv vitenskap , Helseinformatikk , Neuroinformatics , Network Science
Institusjoner Iowa State University
National Science Foundation
Pennsylvania State University
Doktorgradsrådgiver Leonard Uhr

Vasant G. Honavar er en indisk født amerikansk datamaskin vitenskapsmann , og kunstig intelligens , maskinlæring , store data , data vitenskap , kausalitet , kunnskapsrepresentasjon , bioinformatikk og helse informatikk forsker og pedagog .

Biografi

Vasant Honavar ble født i Poona , India i 1960 av Bhavani G. og Gajanan N. Honavar. Han fikk sin tidlige utdannelse ved Vidya Vardhaka Sangha High School og MES College i Bangalore , India . Han mottok en BE i elektronikkteknikk fra BMS College of Engineering i Bangalore , India i 1982, da det var tilknyttet Bangalore University , en MS i elektro- og datateknikk i 1984 fra Drexel University , og en MS i informatikk i 1989, og en ph.d. i 1990, henholdsvis fra University of Wisconsin - Madison , hvor han studerte kunstig intelligens og jobbet med Leonard Uhr .

I 2013 begynte Honavar på fakultetet ved Penn State College of Information Sciences and Technology ved Pennsylvania State University, hvor han har professoratet i Edward Frymoyer og tjenestegjør ved fakultetene ved utdanningsprogrammene i informatikk , informatikk , bioinformatikk og genomikk , nevrovitenskap og av operasjonsforskning og et bachelorprogram i datavitenskap . Honavar fungerer som direktør for forskningslaboratoriet for kunstig intelligens , assisterende direktør ved Institute for Computational and Data Sciences og direktør for Center for Artificial Intelligence Foundations and Scientific Applications ved Pennsylvania State University . Honavar fungerer i lederteamet i Northeast Big Data Innovation Hub. Honavar tjenestegjorde i Computing Research Association 's Computing Community Consortium Council i løpet av 2014-2017, hvor han ledet arbeidsgruppen for konvergens av data og databehandling, og var medlem av arbeidsgruppen for kunstig intelligens. I 2015 ble Honavar valgt inn i valgkomiteen for informasjon, databehandling og kommunikasjon i American Association for the Advancement of Science . I 2016 ble Honavar valgt som den første Sudha Murty Distinguished Visiting Chair for Neurocomputing and Data Science av Indian Institute of Science , Bangalore, India. I 2018 ble Honavar utnevnt til et fremtredende medlem av Association for Computing Machinery for sine fremragende vitenskapelige bidrag til databehandling; og valgte en stipendiat i American Association for the Advancement of Science for sine fremragende forskningsbidrag og ledelse innen datavitenskap.

Honavar har levert betydelige forskningsbidrag innen kunstig intelligens , maskinlæring , årsakssammenheng , kunnskapsrepresentasjon , nevrale nettverk , semantisk web , big data -analyse og bioinformatikk og beregningsbiologi . Han er programleder i Association for the Advancement of Artificial Intelligence (AAAI) sin 36. konferanse om kunstig intelligens. Han har publisert over 300 forskningsartikler, inkludert mange høyt siterte, i tillegg til flere bøker om disse temaene. Hans siste arbeid har fokusert på fødererte maskinlæringsalgoritmer for å konstruere prediktive modeller fra distribuerte data og koblede åpne data , lære prediktive modeller fra høydimensjonale langsgående data, estimere årsakseffekter fra komplekse data, resonnere med fødererte kunnskapsbaser, oppdage algoritmiske skjevheter, store data analyse, analyse og prediksjon av protein-protein, protein-RNA og protein-DNA-grensesnitt og interaksjoner, sosialt nettverksanalyse, helseinformatikk , hemmeligholdsbevarende spørresvar, representasjon og resonnement om preferanser, og årsaksslutning og metaanalyse .

Honavar har direkte veiledet avhandlingsforskningen til 38 doktorgrader. studenter, som alle har begynt på en vellykket forskningskarriere i akademia, industri eller regjering.

I løpet av 1990–2013 var Honavar professor i informatikk ved Iowa State University hvor han ledet forskningslaboratoriet for kunstig intelligens som han grunnla i 1990. Fra 2006 til 2013 fungerte han som direktør for Iowa State University Center for Computational Intelligence, Learning and Discovery som han grunnla i 2006. Han var med på å etablere Iowa State University interdepartementale kandidatprogram i bioinformatikk og databehandlingsbiologi (og fungerte som leder i 2003–2005).

I løpet av 2010–2013 fungerte Honavar som programdirektør i informasjonsintegrerings- og informatikkprogrammet i informasjons- og intelligente systemavdelingen i data- og informasjonsvitenskap og ingeniørdirektoratet i US National Science Foundation hvor han ledet Big Data -programmet og bidro til flere kjerne- og tverrgående programmer.

Honavar har hatt besøkende professorater ved Carnegie Mellon University , University of Wisconsin - Madison , og ved Indian Institute of Science .

Honavar har vært ganske aktivt engasjert i å fremme nasjonale og internasjonale vitenskapelige samarbeid innen kunstig intelligens, datavitenskap og deres applikasjoner for å ta opp nasjonale, internasjonale og samfunnsmessige prioriteringer, for eksempel i å akselerere vitenskap, forbedre helse, transformere landbruk, fremme utdanning, etc. gjennom partnerskap som samler akademia, ideelle organisasjoner og industri.

Utvalgte bøker og artikler

Bøker

  • Vasant Honavar og Leonard Uhr . (Red.) Kunstig intelligens og nevrale nettverk: trinn mot prinsipiell integrasjon. New York: Academic Press. 1994. ISBN  0-12-355055-6
  • Vasant Honavar og Giora Slutzki (red.). Grammatisk slutning. Berlin: Springer-Verlag. 1998. ISBN  3-540-64776-7
  • Mukesh Patel, Vasant Honavar og Karthik Balakrishnan (red.). Fremskritt i evolusjonær syntese av intelligente agenter. Cambridge, MA: MIT Press. 2001. ISBN  0-262-16201-6
  • Ganesh Ram Santhanam, Samik Basu og Vasant Honavar. Representere og resonnere med kvalitative preferanser: Verktøy og applikasjoner. Forelesning #31, Syntese Forelesninger om kunstig intelligens og maskinlæring. Morgan & Claypool Publishers. 2016. doi : 10.2200/S00689ED1V01Y201512AIM031 , ISBN  978-1-62705-839-1

Artikler

Posisjonspapirer om kunstig intelligens, datavitenskap og relaterte emner

  • Barocas, S., Bradley, E., Honavar, V. og Provost, F. (2017). Big Data, datavitenskap og sivile rettigheter. Computing Community Consortium. arXiv forhåndstrykk arxiv: 1706.03102.
  • Hager, G., Bryant, R., Horvitz, E., Mataric, M. og Honavar, V. (2017). Fremskritt innen kunstig intelligens krever fremgang på tvers av informatikk. Computing Community Consortium. arXiv forhåndstrykk arXiv: 1707.04352
  • Honavar, V., Yelick, K., Nahrstedt, K., Rushmeier, H., Rexford, J., Hill, Mark., Bradley, E. og Mynatt, E. (2017). Avansert cyberinfrastruktur for vitenskap, ingeniørfag og offentlig politikk. Computing Community Consortium. arXiv forhåndstrykk arXiv: 1707.00599.
  • Honavar, V., Hill, M. Yelick, K. (2016). Accelerating Science: A Computing Research Agenda, Computing Community Consortium.
  • Honavar, V. (2014). Honavar, V. (2014). The Promise and Potential of Big Data: A Case for Discovery Informatics Review of Policy Research 31: 4 10.1111/ropr.12080.

Kausal slutning

  • Seto, C., Khademi, A., Graif, C. og Honavar, V. (2021). Pendling av nettverksspill og dødsfall av COVID-19 i amerikanske fylker. På årsmøtet i Population Society of America.
  • Lee, S. og Honavar, V. (2020). Mot Robust Relational Causal Discovery. I: Proceedings of the Thirty-Fifth Conference on Usikkerhet i kunstig intelligens s. 345–355
  • Kandasamy, S., Bhattacharyya, A. og Honavar, V. (2019). Minimum intervensjonsdekning av en årsakskart. I: Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI-19).
  • Khademi, A., Lee, S., Foley, D. og Honavar, V. (2019). Rettferdighet i algoritmisk beslutningsprosess: En foreløpig ekskursjon gjennom årsakslinsen. I: Proceedings of the Web Conference.
  • Lee, S. og Honavar, V. (2017). Selvavvik Betinget uavhengighetstest. I: Conference on Usikkerhet i kunstig intelligens (UAI-17).
  • Lee, S. og Honavar, V. (2017). En kjerneuavhengighetstest for relasjonsdata. I: Conference on Usikkerhet i kunstig intelligens (UAI-17).
  • Bui, N., Yen, J. og Honavar, V. (2016). Temporal Causality Analysis of Sentiment Change in a Cancer Survivor Network. IEEE -transaksjoner på sosiale datamaskiner. doi : 10.1109/TCSS.2016.2591880
  • Lee, S. og Honavar, V. (2016). En karakterisering av Markov -ekvivalensklasser for relasjonelle årsaksmodeller under banen semantikk. I: Prosedyrer fra konferansen om usikkerhet i kunstig intelligens (UAI-16).
  • Lee, S. og Honavar, V. (2016). Om å lære årsaksmodeller fra relasjonsdata. I: Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI-16).
  • Bui, N., Yen, J. og Honavar, V. (2015). Temporal Causality of Social Support in a Online Community for Cancer Survivors In: International Conference on Social Computing, Behavioral-Cultural Modeling, and Prediction (SBP15). Springer-Verlag Forelesningsnotater i informatikk, bind. 9021, s. 13–23.
  • Lee, S. og Honavar, V. (2015). Løftet representasjon av relasjonelle årsaksmodeller Revidert: Implikasjoner for resonnement og strukturlæring i: Workshop on Advances in Causal Inference, Conference on Usikkerhet i kunstig intelligens, 2015.
  • Bareinboim, E., Lee, S., Honavar, V. og Pearl, J. (2013). Transportabilitet fra flere miljøer med begrensede eksperimenter. I: Fremskritt i nevrale informasjonssystemer (NIPS) 2013. s. 136–144.
  • Lee, S. og Honavar, V. (2013). Transportabilitet av en årsakseffekt fra flere miljøer. I: Proceedings of the 27th Conference on Artificial Intelligence (AAAI 2013).
  • Lee, S. og Honavar, V. (2013). Kausal transportabilitet av eksperimenter på kontrollerbare delsett av variabler: z-transportabilitet. I: Proceedings of the 29th Conference on Usikkerhet i kunstig intelligens (UAI 2013).

Maskinlæring, nevrale nettverk og dyp læring

  • Liang, J., Wu, Y., Yu, D. og Honavar, V. (2021). Longitudinal Deep Kernel Gaussian Process Regression In: Proceedings of the 35th AAAI Conference on Artificial Intelligence.
  • Hsieh, TY., Sun, Y., Wang, S. og Honavar, V. (2021). Functional Autoencoders for Functional Data Representation LearningIn: Proceedings of the SIAM Conference on Data Mining.
  • Hsieh, TY., Sun, Y., Tang, X., Wang, S. og Honavar, V. (2021). SrVARM: State Regularized Vector Autoregressive Model forJoint Learning of Hidden State Transitions and State-Dependent Inter-Variable Dependencies from Time Series DataIn: Proceedings of the Web Conference.
  • Hsieh, TY., Sun, Y., Wang, Sm og Honavar, V. (2021). Forklarbar multivariat tidsserieklassifisering: Et dypt neuralt nettverk som lærer å ivareta viktige variabler så vel som informative tidsintervaller. I: Proceedings of the 14. International Conference on Web Search and Data Mining.
  • Liang, J., Xu, D., Sun, Y. og Honavar, V. (2020). LMLFM: Longitudinal Multi-Level Factorization Machines. I: Proceedings of the 34th AAAI Conference on Artificial Intelligence, AAAI 2020: s. 4811–4818
  • Le. T. og Honavar, V. (2020). Dynamisk Gaussisk prosess Latent variabelmodell for representasjon Læring fra langsgående dataprosedyrer fra ACM-IMS 2020 om Foundations of Data Science ConferenceOktober 2020 sider 183–188. https://doi.org/10.1145/3412815.3416894
  • Sun, Y., Wang, S., Tang, X., Hsieh, TY. Og Honavar, V. (2020). Ikke-målspesifikke nodeinjeksjonsangrep på grafiske nevrale nettverk: En hierarkisk forsterkningslæringsmetode. Proceedings of the Web Conference 2020 (WWW '20) https://doi.org/10.1145/3366423.3380149
  • Sun, Y., Tang, X., Hsieh, TY., Wang, S. og Honavar, V. (2019). MEGAN: En generativ adversarial nettverksalgoritme for multi-view nettverksinnbygging. I: Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI-2019).
  • Hsieh, TY, Sun, Y., Wang, S. og Honavar, V. (2019). Adaptiv strukturell samregularisering for valg av flere visninger uten tilsyn. I: Proceedings of the IEEE International Conference on Big Knowledge (ICBK-2019).
  • Zhou, Y., Sun, Y. og Honavar, V. (2019). Forbedre bildetekst ved å utnytte kunnskapsgrafer. IEEE Winter Conference on Applications of Computer Vision.
  • Hsieh, TY., El-Manzalawy, Y., Sun, Y. og Honavar, V (2018). Sammensetningsstokastisk gjennomsnittlig gradient for maskinlæring og relaterte applikasjoner. I: Proceedings of the 19th International Conference on Intelligent Data Engineering and Automated Learning.
  • Sun, Y., Bui, N., Hsieh, TY. Og Honavar, V. (2018). Multi-View Network Embedding Via Graph Factorization Clustering og Co-Regularized Multi-View Agreement. IEEE ICDM International workshop on Graph Analytics.
  • Liang, J., Hu, J., Dong, S. og Honavar, V. (2018). Topp-N-rangering: En avkortet listemessig fremgangsmåte for anbefaling i stor skala. I: Prosedyrer fra IEEE International Conference on Big Data.
  • Hu, J., Liang, J., Kuang, Y. og Honavar, V. (2018). En brukerlikhetsbasert Top-N anbefalingsmetode for mobil annonsering i applikasjoner. Ekspertsystemer med applikasjoner. Vol. 111. s. 51–60.
  • Bui, N., Le, T. og Honavar, V. (2016). Merking av aktører i sosiale nettverk med flere visninger ved å integrere informasjon fra og fra flere visninger. I: Prosedyrer fra IEEE -konferansen om store data.
  • Lin, H., Bui, N. og Honavar, V. (2015). Læringsklassifiseringer fra eksterne RDF -databutikker forsterket med RDFS -underklassehierarkier. I: 2nd International Workshop on High Performance Big Graph Data Management, Analysis, and Mining (BigGraph 2015), IEEE International Conference on Big Data.
  • Bui, N. og Honavar, V. (2014). Merking av aktører i sosiale nettverk ved hjelp av et heterogent grafkjerne. I: Internasjonal konferanse om sosial databehandling, atferdsmessig-kulturell modellering og prediksjon (SBP14). s. 27–34.
  • Lin, H. og Honavar, V. (2013). Læringsklassifiseringer fra kjeder av flere sammenkoblede RDF -databutikker. I: IEEE Big Data Congress. Beste studentpapirpris.
  • Lin, H., Lee, S., Bui, N. og Honavar, V. (2013). Læringsklassifiseringer fra distribusjonsdata. I: IEEE Big Data Congress.
  • Bui, N. og Honavar, V. (2013). Om nytten av abstraksjon i merkingsaktører i sosiale nettverk. I: IEEE/ACM internasjonale konferanse om fremskritt i sosiale nettverksanalyse og gruvedrift 2013.
  • Silvescu, A. og Honavar, V. (2013). Abstraksjon Superstrukturerende normale former: Mot en teori om strukturell induksjon. I: Algoritmisk sannsynlighet og venner. Bayesiansk prediksjon og kunstig intelligens (s. 339–350). Springer Berlin Heidelberg.
  • Tu, K. og Honavar, V. (2012). Tvetydighet Regularization for Unsupervised Learning of Probabilistic Grammars. I: Proceedings of EMNLP-CoNLL 2012: Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning. s. 1324–1334.
  • Lin, H., Koul, N. og Honavar, V. (2011). Lære relasjonelle bayesiske klassifisere fra RDF -data. I: Proceedings of the International Semantic Web Conference (ISWC 2011). Springer-Verlag Forelesningsnotater i informatikk Vol. 7031 s. 389–404.
  • Tu, K. og Honavar, V. (2011). Om Utility of Curricula i Unsupervised Learning of Grammars. I: Proceedings of the Twenty-Second International Joint Conference on Artificial Intelligence (IJCAI 2011) s. 1523–1528.
  • Tu, K., Ouyang, X., Han, D., Yu, Y. og Honavar, V. (2011). Eksemplarbasert robust sammenhengende biklustering. I: Proceedings of the SIAM Conference on Data Mining (SDM 2011). s. 884–895.
  • Yakhnenko, O. og Honavar, V. (2011). Multi-Instance Multi-Label Learning for Image Classification med store vokabular. I: Proceedings of the British Machine Vision Conference.
  • Caragea, C., Silvescu, A., Caragea, D. og Honavar, V. (2010). Abstraksjon-forsterkede Markov-modeller. I: Proceedings of the IEEE Conference on Data Mining (ICDM 2010). IEEE Press. s. 68–77.
  • Koul, N. og Honavar, V. (2010). Læring i nærvær av Ontology -kartfeil. I: Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. s. 291–296. ACM Press.
  • Bromberg, F., Margaritis, D. og Honavar, V. (2009). Effektiv oppdagelse av Markov -nettverksstruktur fra uavhengighetstester. Journal of Artificial Intelligence Research. Vol. 35. s. 449–485.
  • El-Manzalawi, Y. og Honavar, V. (2009). MICCLLR: Læring i flere forekomster ved bruk av klasse betinget logg sannsynlighetsforhold. I: Proceedings of the 12th International Conference on Discovery Science (DS 2009). Springer-Verlag Forelesningsnotater i informatikk Vol. 5808, s. 80–91, Berlin: Springer.
  • Silvescu, A., Caragea, C. og Honavar, V. (2009). Kombinere superstrukturering og abstraksjon på sekvensklassifisering. IEEE Conference on Data Mining (ICDM 2009).
  • Yakhnenko, O. og Honavar, V. (2009). Multimodal hierarkisk Dirichlet-prosessmodell for å forutsi bildeanmerkning og korrespondanse mellom bildeobjekter og etiketter. I: Proceedings of the SIAM Conference on Data Mining, SIAM. s. 281–294
  • Tu, K. og Honavar, V. (2008). Uovervåket læring av sannsynlighetsbasert kontekstfri grammatikk ved hjelp av Iterative Biclustering. . I: International Colloquium on Grammatical Inference (ICGI-2008). Springer-Verlag Forelesningsnotater i informatikk vol. 5278 s. 224–237.
  • Yakhnenko, O. og Honavar, V. (2008). Kommentere bilder og bildeobjekter ved hjelp av en hierarkisk Dirichlet -prosessmodell. 9. internasjonale verksted om multimediadatautvinning (SIGKDD MDM 2008), Las Vegas, ACM.
  • Zhang, J .; Kang, DK; Silvescu, A .; Honavar, V. (2006). "Lære nøyaktige og konsise naive Bayes -klassifikatorer fra attributtverditaksonomier og data" . Kunnskaps- og informasjonssystemer . 9 (2): 157–179. doi : 10.1007/s10115-005-0211-z . PMC  2846370 . PMID  20351793 .
  • Caragea, D., Zhang, J., Bao, J., Pathak, J. og Honavar, V. (2005). Algoritmer og programvare for kollaborativ oppdagelse fra autonome, semantisk heterogene informasjonskilder (invitert papir). Fortsettelse av den 16. internasjonale konferansen om algoritmisk læringsteori. Forelesningsnotater i informatikk, Singapore, Berlin: Springer-Verlag. Vol. 3734. s. 13–44
  • Zhang, J., Caragea, D. og Honavar, V. Learning Ontology-Aware Classifiers. Prosedyrer fra den 8. internasjonale konferansen om oppdagelsesvitenskap. Springer-Verlag Forelesningsnotater i informatikk, Singapore, Berlin: Springer-Verlag. Vol. 3735. s. 308–321, 2005.
  • Yakhnenko, O., Silvescu, A. og Honavar, V. (2005) Diskriminativt trent Markov -modell for sekvensklassifisering. IEEE Conference on Data Mining (ICDM 2005), Houston, Texas, IEEE Press
  • Kang, DK., Zhang, J., Silvescu, A. og Honavar, V. (2005) Multinomial hendelsesmodellbasert abstraksjon for sekvens og tekstklassifisering. Proceedings of the Symposium on Abstraction, Reformulation, and Approximation (SARA 2005), Edinburgh, Storbritannia, Berlin: Springer-Verlag. Vol. 3607. s. 134–148.
  • Wu. F., Zhang, J. og Honavar, V. (2005) Læringsklassifiseringer som bruker hierarkisk strukturerte klassetaksonomier. Proceedings of the Symposium on Abstraction, Reformulation, and Approximation (SARA 2005), Edinburgh, Berlin, Springer-Verlag. Vol. 3607. s. 313–320.
  • Caragea, D .; Silvescu, A .; Honavar, V. (2004). "Et rammeverk for å lære av distribuerte data ved bruk av tilstrekkelig statistikk og dets anvendelse på læring av beslutningstrær" . International Journal of Hybrid Intelligent Systems . 1 (2): 80–89. doi : 10.3233/HIS-2004-11-210 . PMC  2846376 . PMID  20351798 .
  • Kang, DK., Silvescu, A., Zhang, J. og Honavar, V. Generering av attributtverditaksonomier fra data for nøyaktig og kompakt klassifiseringskonstruksjon. IEEE International Conference on Data Mining, IEEE Press. s. 130–137, 2004.
  • R. Polikar, L. Udpa, S. Udpa og V. Honavar (2004). En inkrementell læringsalgoritme med tillitsestimering for automatisert identifisering av NDE -signaler. IEEE -transaksjoner av ultralyd, ferroelektrikk og frekvenskontroll. Vol. 51. s. 990–1001, 2004.
  • Atramentov, A., Leiva, H. og Honavar, V. (2003). A Multi-Relational Decision Tree Learning Algorithm-Implementation and Experiments .. In: Proceedings of the Thirteenth International Conference on Inductive Logic Programming. Berlin: Springer-Verlag.
  • Zhang, J. og Honavar, V. (2003). Lær beslutningstreet klassifikatorer fra attributtverditaksonomier og delvis spesifiserte data. I: Proceedings of the International Conference on Machine Learning (ICML-03).
  • Zhang, J., Silvescu, A. og Honavar, V. (2002). Ontologi-drevet induksjon av beslutningstrær på flere nivåer av abstraksjon. I: Proceedings of Symposium on Abstraction, Reformulation and Approximation. Berlin: Springer-Verlag.
  • Polikar, R., Udpa, L., Udpa, S. og Honavar, V. (2001). Lær ++: En inkrementell læringsalgoritme for flerlags Perceptron-nettverk. IEEE -transaksjoner på systemer, mennesker og kybernetikk. Vol. 31, nr. 4. s. 497–508.
  • Parekh, R. og Honavar, V. (2001). DFA Lære av enkle eksempler. Maskinlæring. Vol. 44. s. 9–35.
  • Silvescu, A. og Honavar, V. (2001). Temporale boolske nettverksmodeller for genetiske nettverk og deres slutning fra Gene Expression Time Series. Komplekse systemer .. Vol. 13. Nr. 1. s. 54-.
  • Balakrishnan, K., Bousquet, O. og Honavar, V. (2000). Romlig læring og lokalisering hos dyr: En beregningsmodell og dens implikasjoner for mobile roboter, adaptiv oppførsel. Vol. 7. nei. 2. s. 173–216.
  • Caragea, D., Silvescu, A. og Honavar, V. (2000). Agenter som lærer av distribuerte dynamiske datakilder. I: Prosedyrer for ECML 2000/Agents 2000 Workshop on Learning Agents. Barcelona, ​​Spania.
  • Parekh, R. og Honavar, V. (2000). Om forholdet mellom læringsmodeller i nyttige miljøer. I: Proceedings of the Fifth International Conference on Grammatical Inference. Lisboa, Portugal.
  • Parekh, R., Yang, J. og Honavar, V. (2000). Konstruktive læringsalgoritmer for nevrale nettverk for mønsterklassifisering i flere kategorier. IEEE -transaksjoner på nevrale nettverk. Vol. 11. nr. 2. s. 436–451.
  • Polikar, R., Udpa, L., Udpa, S. og Honavar, V. (2000). Lær ++: En inkrementell læringsalgoritme for flerlags Perceptron -nettverk. I: Proceedings of the IEEE Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2000. Istanbul, Tyrkia.
  • Yang, J., Parekh, R. & Honavar, V. (2000). Sammenligning av ytelse av varianter av enkeltlags Perceptron-algoritmer på ikke-separerbare data. Nevral, parallell og vitenskapelig beregning. Vol. 8. s. 415–438.
  • Yang, J. og Honavar, V. (1999). DistAl: En intermønster avstandsbasert konstruktiv konstruktiv nevral nettverkslæringsalgoritme .. Intelligent dataanalyse. Vol. 3. s. 55–73.
  • Parekh, R. og Honavar, V. (1999). Enkel DFA er polynomisk sannsynligvis nøyaktig lærbar av enkle eksempler. I: Proceedings of the International Conference on Machine Learning. Bled, Slovenia.
  • Bousquet, O., Balakrishnan, K. og Honavar, V. (1998). Er Hippocampus et Kalman -filter?. I: Proceedings of the Pacific Symposium on Biocomputing. Singapore: World Scientific. s. 655–666.
  • Parekh, R., Nichitiu, C. og Honavar, V. (1998). En polynomisk inkrementell algoritme for læring av DFA. I: Proceedings of the Fourth International Colloquium on Grammatical Inference (ICGI'98), Ames, IA. Forelesningsnotater i informatikk vol. 1433 s. 37–49. Berlin: Springer-Verlag.
  • Yang, J. og Honavar, V. (1998). Valg av delsett ved hjelp av en genetisk algoritme. IEEE Intelligent Systems (spesialutgave om funksjonstransformasjon og valg av delsett). vol. 13. s. 44–49.
  • Parekh, RG, Yang, J. og Honavar, V. (1997). MUPStart-En konstruktiv læringsalgoritme for nevrale nettverk for mønsterklassifisering i flere kategorier. I: Proceedings of the IEEE International Conference on Neural Networks (ICNN'97). Houston, TX. s. 1924–1929.
  • Parekh, RG, Yang, J. og Honavar, V. (1997). Beskjæringsstrategier for konstruktive læringsalgoritmer for nevrale nettverk. I: Proceedings of the IEEE International Conference on Neural Networks (ICNN'97). Houston, TX. s. 1960–1965. 9–12. Juni 1997.
  • Parekh, RG og Honavar, V. (1997) Læring av DFA fra enkle eksempler. I: Proceedings of the International Workshop on Algorithmic Learning Theory. (ALT 97). Sendai, Japan. Forelesningsnotater i informatikk. Vol. 1316 s. 116–131.
  • Chen, CH., Parekh, R., Yang, J., Balakrishnan, K. og Honavar, V. (1995). Analyse av beslutningsgrenser generert av konstruktive læringsalgoritmer for nevrale nettverk. I: Proceedings of the World Congress on Neural Networks (WCNN'95). Washington, DC 17. – 21. Juli 1995. s. 628–635.
  • Honavar, V .; Uhr, L. (1993). "Generative læringsstrukturer for generaliserte konneksjonistiske nettverk". Informasjonsvitenskap . 70 (1–2): 75–108. doi : 10.1016/0020-0255 (93) 90049-r .
  • Honavar, V. (1992). Noen skjevheter for effektiv læring av romlige, midlertidige og romlige-midlertidige mønstre. I: Proceedings of International Joint Conference on Neural Networks. Beijing, Kina.

Kunnskapsrepresentasjon og semantisk web

  • Tao, J .; Slutzki, G .; Honavar, V. (2015). "Et konseptuelt rammeverk for hemmeligholdsbevarende resonnement i kunnskapsbaser". ACM -transaksjoner om beregningslogikk . 16 : 1–32. doi : 10.1145/2637477 . S2CID  11436585 .
  • Santhanam, GR, Basu, S. og Honavar, V. (2013) Verifisering av preferanseekvivalens og subsumption via modellkontroll. I International Conference on Algorithmic DecisionTheory (s. 324–335). Springer Berlin Heidelberg.
  • Tao, J., Slutzki, G. og Honavar, V. (2012). PSpace Tableau -algoritmer for asyklisk modalisert ALC. Journal of Automated Reasoning. Vol. 49. s. 551–582
  • Santhanam, G .; Basu, S .; Honavar, V. (2011). "Representere og resonnere med kvalitative preferanser for sammensetningssystemer". Journal of Artificial Intelligence Research . 42 : 211–274.
  • Santhanam, G., Suvorov, Y., Basu, S. og Honavar, V. (2011). Verifisere intervensjonspolicyer for å bekjempe forplantning av infeksjoner over nettverk: En modell som kontrollerer tilnærming. I: Proceedings of the Twenty-Fifth Conference on Artificial Intelligence (AAAI-2011). s. 1408–1414.
  • Sanghvi, B., Koul, N. og Honavar, V. (2010). Identifisere og eliminere inkonsekvenser i kartlegging på tvers av hierarkiske ontologier. I: Springer-Verlag Forelesningsnotater i informatikk Vol. 6427, s. 999–1008. Berlin: Springer.
  • Santhanam, G., Basu, S. og Honavar, V. (2010). Effektiv dominanstesting for ubetingede preferanser. I: Proceedings of the Twelfth International Conference on the Principles of Knowledge Representation and Reasoning (KR 2010). s. 590–592. AAAI Press.
  • Santhanam, G., Basu, S. og Honavar, V. (2010). Dominanstesting via modellkontroll. I: Proceedings of the 24. AAAI Conference on Artificial Intelligence (AAAI-10). s. 357–362. AAAI Press.
  • Bao, J., Voutsadakis G., Slutzki, G. Honavar :, V. (2009). Pakkebasert beskrivelse Logics. I: Modular Ontologies: Concepts, Theories and Techniques for Knowledge Modularization. Forelesningsnotater i informatikk Vol. 5445, s. 349–371
  • Bao, J., Voutsadakis, G., Slutzki, G., og Honavar, V. (2008). Om Decidability of Role Mappings mellom modulære ontologier. I: Proceedings of the 23nd Conference on Artificial Intelligence (AAAI-2008), Menlo Park, CA: AAAI Press, s. 400–405
  • Bao, J., Slutzki, G. og Honavar, V. (2007). En semantisk import tilnærming til gjenbruk av kunnskap fra flere ontologier .. I: Proceedings of the 22nd Conference on Artificial Intelligence (AAAI-2007). Vancouver, Canada. Semantisk importmetode for gjenbruk av kunnskap fra flere ontologier. s. 1304–1309. AAAI Press.
  • Bao, J., Slutzki, G. og Honavar, V. (2007). Personvernbevarende resonnement på det semantiske nettet. IEEE/WIC/ACM Conference on Web Intelligence. IEEE. s. 791–797
  • Bao, J., Caragea, D. og 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. Forelesningsnotater i informatikk Vol. 4273, s. 72–86.
  • Bao, J., Caragea, D. og Honavar, V. (2006). En tablåbasert føderert resonneringsalgoritme for modulære ontologier. I: Prosedyrer fra ACM/IEEE/WIC -konferansen om webintelligens. IEEE Press. s. 404–410.
  • Bao, J., Caragea, D. og Honavar, V. A Distributed Tableau Algorithm for Package-based Description Logics. Proceedings of the Second International Workshop on Context Representation and Reasoning (CRR 2006), Riva del Garda, Italia, CEUR. 2006.
  • Bao, J., Caragea, D. og Honavar, V. Modular Ontologies - A Formal Investigation of Semantics and Expressivity. In Proceedings of the First Asian Semantic Web Conference, Beijing, Kina, Springer-Verlag. Vol. Vol. 4185, s. 616–631, 2006. Pris for beste papir
  • Silvescu, A. og Honavar, V. Uavhengighet, nedbrytbarhet og funksjoner som tar verdier inn i en abelsk gruppe. Proceedings of the Ninth International Symposium on Artificial Intelligence and Mathematics, http://anytime.cs.umass.edu/aimath06/proceedings.html , 2006.

Data og beregningsinfrastruktur for samarbeidende vitenskap

  • Parashar, M., Honavar, V., Simonet, A., Rodero, I., Ghahramani, F., Agnew, G. og Jantz, R. (2019). The Virtual Data Collaboratory: A Regional Cyberinfrastructure for Collaborative Data-driven Research. Informatikk innen vitenskap og ingeniørfag. I trykk.
  • Santhanam, GR, Basu, S. og Honavar, V. (2013). Preferansebasert tjenestetilpasning ved hjelp av tjenestesubstitusjon. I Proceedings of the 2013 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT) -Volume 01 (s. 487–493). IEEE Computer Society.
  • Sun, H., Basu, S., Honavar, V. og Lutz, R. (2010). Automatabasert bekreftelse av sikkerhetskravene til sammensatte webtjenester. I: Proceedings of the IEEE International Symposium on Software Reliability Engineering (ISSRE-2010). s. 348–357, IEEE Press.
  • Santhanam, GR, Basu, S. og Honavar, V. (2009). Webtjenestebytte Basert på preferanser over ikke-funksjonelle attributter. I: Proceedings of the IEEE International Conference on Services Computing (SCC 2009).
  • Pathak, J., Basu, S. og Honavar, V. (2008). Komponere webtjenester gjennom automatisk reformulering av tjenestespesifikasjoner. Prosedyrer fra IEEE International Conference on Services Computing, IEEE, s. 361–369.
  • Pathak, J .; Basu, S .; Lutz, R .; Honavar, V. (2008). "MoSCoE: En tilnærming for å komponere webtjenester gjennom Iterativ reformulering av funksjonelle spesifikasjoner". International Journal on Artificial Intelligence Tools . 17 (1): 109–138. CiteSeerX  10.1.1.301.6753 . doi : 10.1142/s0218213008003807 .
  • Santhanam, G., Basu, S. og Honavar, V. (2008). TCP-Compose*-En TCP-nettbasert algoritme for effektiv sammensetning av webtjenester basert på kvalitative preferanser. Prosedyrer fra den sjette internasjonale konferansen om serviceorientert databehandling, Springer-Verlag Forelesningsnotater i informatikk, vol. 5254. s. 453–467
  • Pathak, J., Basu, S. og Honavar, V. (2007). Om kontekstspesifikk substituerbarhet av webtjenester. I: Prosedyrer fra IEEE International Conference on Web Services. s. 192–199. IEEE Press.
  • Pathak, J., Li, Y., Honavar, V., McCalley, J. (2007). En serviceorientert arkitektur for forvaltning av eiendeler for elektrisk kraftoverføring. Second International Workshop on Engineering Service-Oriented Applications: Design and Composition, Lecture Notes in Computer Science, Berlin: Springer-Verlag, 2007.
  • Pathak, J., Basu, S., Lutz, R. og Honavar, V. (2006). Velge og komponere webtjenester gjennom Iterativ reformulering av funksjonelle spesifikasjoner. Prosedyrer fra IEEE internasjonale konferanse om verktøy med kunstig intelligens (ICTAI 2006), Washington, DC, IEEE Press. Beste papirpris. s. 445–454.
  • Pathak, J., Basu, S. og Honavar, V. (2006). Modellering av webtjenester ved Iterativ reformulering av funksjonelle og ikke-funksjonelle krav. Prosedyrer fra den internasjonale konferansen om serviceorientert databehandling. Forelesningsnotater i informatikk, Berlin: Springer, vol. 4294, s. 314–326.
  • Pathak, J., Yuan, L., Honavar, V. og McCalley, J. (2006). A 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. og Honavar, V. (2006). Parallell webtjenestesammensetning i MoSCoE: En koreografibasert tilnærming. Prosedyrer fra IEEE European Conference on Web Services (ECOWS 2006), Zürich, Sveits, IEEE. I trykk.
  • Pathak, J., Basu, S. og Honavar, V. Modellering av webtjenestesammensetning ved bruk av symbolske overgangssystemer. AAAI '06 Workshop on AI-Driven Technologies for Services-Oriented Computing (AI-SOC), Boston, MA, AAAI Press, 2006.
  • Pathak, J., Koul, N., Caragea, D. og Honavar, V. A Framework for Semantic Web Services Discovery. Prosedyrer for det syvende ACM internasjonale verkstedet om webinformasjon og datahåndtering (WIDM 2005)., ACM Press. s. 45–50, 2005.
  • Pathak, J., Caragea, D. og Honavar, V. Ontology-Extended Component-Based Workflows: A Framework for Constructing Complex Workflows from Semantically Heterogeneous Software Components. VLDB-04 Workshop om semantisk web og databaser. Springer-Verlag Forelesningsnotater i informatikk., Toronto, Springer-Verlag. Vol. 3372. s. 41–56, 2004.

Anvendt informatikk: Bioinformatikk, Helseinformatikk, Materialinformatikk

Datamaskin og informasjonssikkerhet

  • Liang, J., Guo, W., Luo, T., Honavar, V., Wang, G. og Xing, X. (2021) FARE: Aktivering av finkornet angrepskategorisering under merkede data av lav kvalitet. I: Prosedyrer for nettverket og distribuert systemsikkerhetssymposium.
  • Oster, Z., Santhanam, G., Basu, S. og Honavar, V. (2013). Modellkontroll av kvalitative følsomhetspreferanser for å minimere legitimasjon. Internasjonalt symposium om formelle aspekter ved komponentprogramvare. Springer-Verlag Forelesningsnotater i informatikk Vol. 7684, s. 205–223, 2013.
  • Helmer, G .; Wong, J .; Slagell, M .; Honavar, V .; Miller, L .; Wang, Y .; Wang, X .; Stakhanova, N. (2007). "Programvarefeil og farget Petri-nettbasert spesifikasjon, design og implementering av agentbaserte inntrengingsdeteksjonssystemer". 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). "Mot automatisk generering av mobile agenter for distribuerte system for påvisning av inngrep". Journal of Systems and Software . 79 : 1–14. doi : 10.1016/j.jss.2004.08.017 .
  • Kang, DK., Fuller, D. og Honavar, V. Læring av misbruk og anomaliedetektorer fra systemoppringningsfrekvensvektorrepresentasjon. IEEE internasjonale konferanse om etterretning og sikkerhetsinformatikk. Springer-Verlag Forelesningsnotater i informatikk, Springer-Verlag. Vol. 3495. s. 511–516, 2005.
  • Helmer, G .; Wong, J .; Honavar, V .; Miller, L. (2003). "Lette agenter for påvisning av inntrengning". 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). "En programvarefeil -tilnærming til kravspesifikasjon av et system for påvisning av inngrep". Kravsteknikk . 7 (4): 207–220. CiteSeerX  10.1.1.101.853 . doi : 10.1007/s007660200016 . S2CID  7414703 .

Heder

Referanser

Eksterne linker