Wykaz obszarów badawczych związanych z tagiem Uczenie-glebokie:
| # | Obszar badawczy | Dziedzina naukowa |
|---|---|---|
| 1 |
Obszar badawczy obejmuje zagadnienia przetwarzania obrazów, widzenia komputerowego, uczenia maszynowego (w tym uczenia głębokiego) oraz szeroko pojętej sztucznej inteligencji.
|
|
| 2 |
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.
|
|
| 3 |
Analiza sygnału mowy pod kątem wykrywania stanu emocjonalnego mówcy.
W zadaniu badawczym planuje się szeroko zakrojoną analizę sygnału mowy pod kątem wykrywania stanu emocjonalnego mówcy. Algorytmy przetwarzania danych obejmują metody analizy statycznych i dynamicznych cech sygnału, poszukiwanie i selekcję najlepszych cech. W celu określenia stanu emocjonalnego mówcy zostaną zastosowane algorytmy uczenia maszynowego włącznie z wykorzystaniem uczenia głębokiego.
|
|
| 4 |
Analiza sygnałów fizjologicznych w celu wykrywania zmęczenia.
W zadaniu badawczym przewidziane jest opracowanie i budowa stanowiska badawczego (pomiarowego) umożliwiającego akwizycję różnych sygnałów fizjologicznych w różnym stadium zmęczenia użytkownika. Planowane jest użycie sygnałów: elektroencefalograficznych (EEG), elektrookulograficznych (EOG) oraz audio-wizualnych. W następnym kroku należy opracować metody analizy pozyskanych sygnałów pod kątem wykrywania zmęczenia. Algorytmy przetwarzania danych obejmują metody selekcji cech, uczenia maszynowego włącznie z wykorzystaniem uczenia głębokiego.
|