Rozwój metod głębokiego uczenia sieci neuronowych
Numer projektu: UMO-2017/27/B/ST6/02852
Finansowanie: Narodowe Centrum Nauki, OPUS 14
Dofinansowanie: 1 368 800 PLN
Okres realizacji: 2018-2022
Opis projektu:
Celem niniejszego projektu jest opracowanie szybkich nadzorowanych algorytmów do uczenia głębokich sieci neuronowych. W ramach realizacji projektu planuje się również opracowanie nienadzorowanych i częściowo nadzorowanych technik uczenia głębokiego do analizy danych strumieniowych. Spektakularnym przykładem zastosowań będą oryginalne hybrydowe struktury głębokiego uczenia do projektowania systemów rekomendacyjnych oraz do segmentacji i wyszukiwania obrazów w dużych zbiorach danych. Zaproponowane w projekcie metody badawcze obejmują całą gamę technik uczenia nadzorowanego, nienadzorowanego i częściowo-nadzorowanego oraz rozmaite struktury głębokich sieci neuronowych. techniki stosowane w takich strukturach, jak maszyny Boltzmanna, auto-kodery, sieci konwolucyjne, sieci rekurencyjne oraz sieci typu wielowarstwowy perceptron, jak również rozmaite kombinacje tych komponentów. Rezultaty tego projektu umożliwią efektywne zastosowanie rozmaitych struktur głębokich sieci neuronowych do rozwiązania wielu trudnych problemów, takich jak przetwarzanie języka naturalnego, segmentacja i rozpoznawanie obrazów, z możliwością bezpośredniego zastosowania w robotyce, tłumaczeniu maszynowym lub projektowaniu systemów rekomendacyjnych. Są to aktualnie jedne z najszybciej rozwijających się wątków badawczych w informatyce, o dużym potencjale aplikacyjnym w różnych dyscyplinach nauki, np. w automatyce i robotyce, biocybernetyce i inżynierii medycznej.