Explain what you see
| Promotie: | Dhr. H. (Hamed) Ayoobi |
| Wanneer: | 30 januari 2023 |
| Aanvang: | 11:00 |
| Promotors: | prof. dr. H.B. (Bart) Verheij, M. (Ming) Cao, Prof, prof. dr. L.C. (Rineke) Verbrugge |
| Copromotor: | S.H. (Hamidreza) Mohades Kasaei, PhD |
| Waar: | Academiegebouw RUG |
| Faculteit: | Science and Engineering |
Levenslang leren voor Kunstmatige Intelligentie
Mensen moeten een leven lang leren. Maar levenslang open leren is ook nuttig voor bepaalde toepassingen van Kunstmatige Intelligentie. Dit vereist dat modellen in staat zijn te leren gedurende hun gehele levensduur, waarbij voortdurend nieuwe informatie moet worden verworven en verwerkt in het bestaande model om de taakprestaties te optimaliseren en bij te werken. Machine-leermethoden worden gebruikt om de verzamelde gegevens te doorzoeken op relevante informatie en toekomstige resultaten te voorspellen aan de hand van gegenereerde modellen. Klassieke batch machine learning benaderingen waarbij alle gegevens tegelijkertijd toegankelijk zijn, zijn niet bruikbaar wanneer de gegevens geleidelijk worden verzameld. Daarom is een paradigmaverschuiving vereist, naar sequentiële gegevensverwerking in een streaming schema. Dit maakt het niet alleen mogelijk informatie te gebruiken zodra deze beschikbaar is om actuele modellen te garanderen, maar vermindert ook de kosten voor gegevensopslag en onderhoud.
Hamed Ayoobi onderzocht tijdens zijn promotieonderzoek verschillende leerbenaderingen en doet voorstellen voor modellen die op een open online incrementele manier kunnen leren met een klein aantal leerinstanties die kunnen worden gebruikt voor de classificatie van tabelgegevens, categorieherkenning van 3D-objecten en segmentatie van 3D-objectdelen.
Hamed Ayoobi verrichtte zijn promotieonderzoek bij de afdeling Kunstmatige Intelligentie van het Bernoulli Instituut met financiering via een Marie Skłodowska-Curie COFUND voor het RUG-onderzoekscentrum DSSC. Hij werkt nu als Research Assistant aan het Imperial College Londen (VK).