Väitös tietotekniikan alalta, DI Mathias Berglund

2017-04-11 12:00:00 2017-04-11 23:59:59 Europe/Helsinki Väitös tietotekniikan alalta, DI Mathias Berglund Väitöskirjan nimi on: Unsupervised Networks, Stochasticity and Optimization in Deep Learning http://cs.aalto.fi/fi/midcom-permalink-1e6f2b36cb88fbcf2b311e6ab46a1ca813c91339133 Konemiehentie 2, 02150, Espoo

Väitöskirjan nimi on: Unsupervised Networks, Stochasticity and Optimization in Deep Learning

11.04.2017 / 12:00
salissa T2, Konemiehentie 2, 02150, Espoo, FI

Diplomi-insinööri Mathias Berglund väittelee 11.4.2017 klo 12 Aalto-yliopiston perustieteiden korkeakoulussa, salissa T2, Konemiehentie 2, Espoo. Väitöskirjassa "Unsupervised Networks, Stochasticity and Optimization in Deep Learning" ehdotettiin ja tutkittiin uusia verkkorakenteita ja optimointimenetelmiä syvien neuroverkkojen opettamiseen.

Syvät neuroverkot ovat viimeisten vuosien aikana mahdollistaneet läpimurtoja useissa koneoppimistehtävissä, kuten kuvantunnistuksessa, konekääntämisessä, puheentunnistuksessa, sekä Go-pelin maailmanmestaruuden voittamisessa. Ala, jota kutsutaan myös nimellä "Deep learning", on siksi saanut runsaasti huomiota sekä yliopistoissa että teollisuudessa. Laskentakapasiteetin halventumisen ja käytettävissä olevan opetusdatan kasvamisen lisäksi ala on kehittynyt nopeasti lähinnä uusien neuroverkkorakenteiden ja parempien optimointimenetelmien ansiosta. Tässä väitöskirjatyössä on ehdotettu ja tutkittu uusia neuroverkkorakenteita sekä optimointimenetelmiä syvien neuroverkkojen opettamiseen.

Väitöskirjan yksi kantava teema on ohjaamaton oppiminen. Ohjaamattomassa oppimisessa malli oppii raakadatasta rakennetta ilman että käyttäjä antaa mallille tietoa siitä, mitä data esittää. Osaohjatussa oppimisessa käyttäjä antaa mallille tietoa vain osassa datasta. Väitöskirjassa esitetyt Ladder- ja Tagger-verkot saavuttivat maailman parhaat tulokset osaohjatussa kuvantunnistuksessa sekä ohjaamattomassa segmentoinnissa.

Väitöskirjassa on lisäksi tutkittu neuroverkkojen opettamista optimoinnin näkökulmasta. Optimoinnissa on lähinnä paneuduttu stokastisiin verkkoihin, eli verkkoihin, joiden sisäisessä koneistossa on arvoja, jotka aktivoituvat satunnaisesti opitun jakauman mukaisesti.

Väitöstiedote (pdf)

Vastaväittäjä: professori Max Welling, University of Amsterdam, Alankomaat

Kustos: professori Juha Karhunen, Aalto-yliopiston perustieteiden korkeakoulu, tietotekniikan laitos

Elektroninen väitöskirja: http://urn.fi/URN:ISBN:978-952-60-7323-1