Hoppa direkt till innehållet
printicon
Huvudmenyn dold.

Compressive sensing och statistisk inlärning med gleshet

Forskningsprojekt WASP-finansierat AI/Math projekt inom compressive sensing och statistisk inlärning med gleshet.

WASP har lanserat ett program som utvecklar matematiken bakom AI och stärker Sveriges position i området. Detta projekt är en del av WASPs rekryteringsprogram och är tänkt att ytterligare utveckla forskningsmiljön inom området matematik för artificiell intelligens, med fokus på compressive sensing och statistisk inlärning med gleshet, vid Institutionen för matematik och matematisk statistik, Umeå universitet. I projektet ingår ett rekryteringspaket innefattande en biträdande universitetslektor, en doktorand, två postdoktorala forskare och projektmedel, med en budget ca 14 mkr över 5 år.

Projektansvarig

Jun Yu
Professor
E-post
E-post
Telefon
090-786 51 27

Projektöversikt

Projektperiod:

2019-09-01 2024-08-31

Medverkande institutioner och enheter vid Umeå universitet

Institutionen för matematik och matematisk statistik

Forskningsområde

Matematik, Statistik

Externa finansiärer

Knut och Alice Wallenbergs stiftelse

Projektbeskrivning

Mänsklig intelligens bygger på vad vi läser, observerar, lär oss, känner och upplever. Det är vår förmåga att lagra stora mängder data som ackumulerades över tid och korrelera några få datapunkter för att svara på en viss fråga som gör oss intelligenta. Huvudsyftet med artificiell intelligens (AI) är att ingjuta intelligens till agenter (såsom robotar, algoritmer som handlar aktier, autonoma bilar) så att det kommer att kunna ersätta människor. AI är i dagsläget komplex och effektiv men inte i närheten av mänsklig intelligens. För att maskiner ska kunna replikera mänsklig intelligens måste nya metoder utvecklas inom många områden, inklusive compressive sensing och statistisk inlärning.

Projektet syftar till att utveckla nya matematiska, statistiska och beräkningsvetenskapliga metoder för intelligent compressive sensing och statistisk inlärning, samt att utveckla det teoretiska ramverket och utforska relaterade tillämpningar inom AI, inkluderande medicinsk bildbehandling, automatiserad kvalitetskontroll och självkörande bilar. Att förstå och utnyttja gleshet för att extrahera information från stora datamängder med syfte att fatta optimala beslut kommer att vara den huvudsakliga inriktningen.

Externa finansiärer