21 сентября в 15:00 состоится наш первый в новом академическом году семинар. На семинаре выступит Артём Мальцев, преподаватель Департамента политики и управления НИУ ВШЭ
Стохастические актор-ориентированные модели (SAOM, семейство RSiena) и экспоненциальные модели случайных графов (ERGM) являются традиционными подходами в инферентном сетевом анализе. Однако практическое использование этих методов часто упирается в вычислительную сложность расчетов – симуляционные методы оценок моделей на основе марковских цепей часто занимают часы или даже дни ожидания результатов для одного единственного прогона. Пакет cusna для R и Python предлагает решение этой проблемы с помощью параллелизации на GPU: отдельные цепочки симуляций рассчитываются одновременно на отдельных CUDA-ядрах видеокарты. Предварительные эксперименты показывают, что ускорение вычислений достигает двух порядков. На семинаре автор пакета расскажет, как устроен движок cusna, как работает подключение к привычным оценщикам (siena07() и др). Отдельное внимание будет уделено новым потенциальным методологическим возможностям нового пакета: проверки goodness-of-fit по десяткам вспомогательных статистик, перебор множества альтернативных спецификаций эндогенных сетевых параметров, использование длинной третьей фазы алгоритма для существенного снижения шума t-статистик, а также симуляционные исследования с тысячами репликаций, в том числе с контрфактические симуляции, а также контролируемое перекрёстное сравнение SAOM и (S)TERGM, и наконец в принципе новые подходы к специализированным оценщикам (например амортизированный байесовский оценщик для SAOM).
Ссылка для регистрации
Стохастические актор-ориентированные модели (SAOM, семейство RSiena) и экспоненциальные модели случайных графов (ERGM) являются традиционными подходами в инферентном сетевом анализе. Однако практическое использование этих методов часто упирается в вычислительную сложность расчетов – симуляционные методы оценок моделей на основе марковских цепей часто занимают часы или даже дни ожидания результатов для одного единственного прогона. Пакет cusna для R и Python предлагает решение этой проблемы с помощью параллелизации на GPU: отдельные цепочки симуляций рассчитываются одновременно на отдельных CUDA-ядрах видеокарты. Предварительные эксперименты показывают, что ускорение вычислений достигает двух порядков. На семинаре автор пакета расскажет, как устроен движок cusna, как работает подключение к привычным оценщикам (siena07() и др). Отдельное внимание будет уделено новым потенциальным методологическим возможностям нового пакета: проверки goodness-of-fit по десяткам вспомогательных статистик, перебор множества альтернативных спецификаций эндогенных сетевых параметров, использование длинной третьей фазы алгоритма для существенного снижения шума t-статистик, а также симуляционные исследования с тысячами репликаций, в том числе с контрфактические симуляции, а также контролируемое перекрёстное сравнение SAOM и (S)TERGM, и наконец в принципе новые подходы к специализированным оценщикам (например амортизированный байесовский оценщик для SAOM).
Ссылка для регистрации