Wykaz obszarów badawczych związanych z tagiem Konwolucyjne-sieci-neuronowe:
# | Obszar badawczy | Dziedzina naukowa |
---|---|---|
1 |
Zagadnienie badawcze obejmuje opracowanie algorytmów przetwarzania i analizy sygnałów fizjologicznych w tym EEG na użytek detekcji i predykcji napadów epileptycznych. Badania obejmować będą również lokalizację źródeł epilepsji. Ważnym aspektem badań będzie opracowanie algorytmów, które mogą być wykorzystane w praktyce lekarskiej. Do wykorzystania jest baza sygnałów EEG zgromadzona w ramach współpracy z WUM dla ponad 50 osób. W ramach badań dotyczących przetwarzania wstępnego oczekuje się opracowania metody eliminacji artefaktów EMG/EOG/EKG. Zadanie obejmuje opracowanie skutecznych metod ekstrakcji cech na użytek detekcji i predykcji napadów epileptycznych. Jako istotne nowum badawcze warto rozważyć zastosowanie uczenia głębokiego w tym autoencoderów i konwolucucyjnych sieci neuronowych.
|
|
2 |
Wykorzystanie uczenia maszynowego w analizie i przetwarzaniu danych teledetekcyjnych, przede wszystkim optycznych i radarowych. W szczególności zastosowanie głębokiego uczenia maszynowego i uczenia transferowego w wybranych zagadnieniach związanych z widzeniem maszynowym. Główne przewidywane zastosowania opisywanych przetworzeń i analiz to klasyfikacja treści zdjęć satelitarnych, lotniczych oraz naziemnych oraz ogólnie rozumiane rozpoznawanie obrazów. Jest to temat związany z automatyzacją przetwarzania obrazów teledetekcyjnych, co zyskuje na znaczeniu wraz z rozwojem teledetekcji: wzrostem liczby satelitów obserwacyjnych Ziemi oraz samej ilości danych obrazowych, a także coraz szerszym zastosowaniem danych obrazowych w różnego rodzaju procesach decyzyjnych, analizach zmian czasowych, monitorowaniu klimatu itp.
|
|
3 |
Wykorzystanie głębokiego uczenia maszynowego do segmentacji i klasyfikacji form rzeźby terenu na Marsie. W badaniach wykorzystywane będą zobrazowania satelitarne oraz pochodzące z łazików marsjańskich różnej generacji. Efektem pracy będzie opracowanie metodyki wielorozdzielczej klasyfikacji form geomorfologicznych na Marsie.
|