סיור במרכז המבקרים של איגודן לתשתיות איכות הסביבה

יום שני 13.05.19 בין השעות 08:30-12:00

המרכז האקולוגי הגדול בישראל ומהגדולים בעולם, ממוקם במערב ראשון לציון, בלב מפעל השפד"ן (מכון טיהור השפכים של גוש דן)

איגודן אחראי לאיסוף והולכת השפכים מכל רחבי מטרופולין גוש דן אל מפעל השפד"ן והשבתם כמים לחקלאות בשדות הנגב.

מרכז המבקרים החדש מחויב להרחבת החינוך הסביבתי והנחלת ערכי החיסכון במים והפיכת המטרד למשאב, תחת הכותרת: "מחזירים לטבע באהבה."

בביקור נחשף לתהליך מרתק, בו נלמד כיצד הופכים השפכים הגולמיים – הביתיים והתעשייתיים - למים באיכות גבוהה, המושבים לשדות החקלאות שבנגב.

הסיור כולל:

דברי פתיחה, קבלת פנים אור-קולית באולם פנורמת המייסדות של איגודן. צפייה במודל של מכון טיהור השפכים ובסרטון הסבר, באמצעותו למדים המבקרים על תהליכי הטיהור המתקדמים של השפד"ן. 

סיור ממונע ברחבי מפעל השפד"ן על שלביו המכאניים והביולוגיים בהשתתפות צבי לבנון, מהנדס החשמל של המפעל, מהנדס חשמל יואב בורשטיין יועץ החשמל של מתקן המעכלים

ומהנדס חשמל ירדן במני, בוגר הפקולטה להנדסה, מנהל פרויקט חשמל ומערכות בפרויקט הרחבת השפד"ן.

במהלך הסיור נשמע על האתגרים בתכנון, בינוי ותפעול מפעל טהור שפכים מהגדולים בעולם.

הגעה עצמאית, עלות הסיור 40 ש"ח למשתתף, המחיר כולל כניסה למרכז המבקרים והסעה בתוך המתחם

לתשלום והרשמה לחצו כאן

(The talk will be given in English)

Speaker:     Prof. Aryeh Kontorovich
                     Department of Computer Science, BGU

Monday, April 15^th, 2019
15:00 - 16:00

Room 011, Kitot Bldg., Faculty of Engineering

on sample compression
 

Abstract

Sample compression is a natural and elegant learning framework, which allows for storage and runtime savings as well as sharp generalization bounds. In this talk, I will survey a few recent collaborations that touch upon various aspects of sample compression. Central among these is the development of a new algorithm for learning in arbitrary metric spaces based on a margin-regularized 1-nearest neighbor, which we call OptiNet. The latter is strongly universally Bayes-consistent in all essentially-separable metric probability spaces. OptiNet is the first learning algorithm to enjoy this property; by comparison, k-NN and its variants are not Bayes-consistent, except under additional structural assumptions, such as an inner product, a norm, finite doubling dimension, or a Besicovitch-type property. I will then talk about sample compression in the context of regression, extensions to non-uniform margins, and, time permitting, eneralization lower bounds.
Based on joint work with: Lee-Ad Gottlieb, Steve Hanneke, Sivan Sabato, Menachem Sadigurschi, Roi Weiss

Short Bio: Aryeh Kontorovich received his undergraduate degree in mathematics with a certificate in applied mathematics from Princeton University in 2001. His M.Sc. and Ph.D. are from Carnegie Mellon University, where he graduated in 2007. After a postdoctoral fellowship at the Weizmann Institute of Science, he joined the Computer Science department at Ben-Gurion University of the Negev in 2009, where he is currently an associate professor. His research interests are mainly in machine learning, with a focus on probability, statistics, Markov chains and metric spaces.‏

(The talk will be given in English)

Speaker:     Anoop Jain
                     Faculty of Aerospace Engineering, Technion

Monday, April 29^th, 2019
15:00 - 16:00

Room 011, Kitot Bldg., Faculty of Engineering

Formation Control in Networked Dynamical Systems
 

Abstract

Networked dynamical systems possess improved robustness properties over single-agent systems, and hence, are desirable for various engineering applications ranging from searching and sensing, tracking and monitoring, surveillance and patrolling to cooperative space missions. To accomplish such cooperative tasks autonomously, the agents are required to coordinate with each other depending on their sensing capabilities, which is represented by a graph (usually referred to as communication network).

This talk will focus on achieving a collective motion in multi-agent systems where the agents are either in a synchronized or a balanced formation. Such formations are characterized by the motion of the collective centroid of the group of agents and serve as motion primitives to achieve general tracking patterns. In the existing literature, the problems of achieving synchronization and balancing have been studied under the assumption that the agents are coupled through controller gains that are identical or homogeneous. In this talk, I plan to discuss a practical scenario where the gains may vary nominally due to minor implementation errors or drastically due to major faults or errors, thus leading to heterogeneity in controller gains. Robustness and fault tolerant properties of these formations against the failure of controllers will also be presented. Furthermore, stabilization of more general formation patterns, such that the trajectories of the agents do not transgress a given workspace, will also be discussed.‏