Universiteit Leiden

nl en

Informatica & AI

Kunstmatige intelligentie en machine learning

Computers zijn in staat om ongelooflijk nauwkeurige voorspellingen te doen op basis van machine learning. Met andere woorden, deze computers kunnen zonder tussenkomst leren als ze eenmaal door mensen zijn voorgeprogrammeerd. Bij LIACS verkennen en verleggen we de grenzen van wat een revolutionaire nieuwe generatie algoritmen kan bereiken.

[a]social creatures lab

Het [a]social creatures lab richt zich op het begrijpen van de sociale interactie met en tussen kunstmatige wezens. Onderzoek naar sociale interactie met kunstmatige wezens wordt meestal uitgevoerd met antropomorfe robots die menselijke kenmerken hebben, zoals spraak, emoties, gebaren en ander non-verbaal gedrag. De groep bestudeert de grenzen van wat sociale interactie met kunstmatige wezens betekent door te variëren in vorm, complexiteit en functie, waaronder humanoïden, abstract gevormde robots, intelligente virtuele agenten, avatars, niet-spelende personages, conversatiemiddelen en zwermrobots. Om de rol van robots in de samenleving te begrijpen, onderzoeken ze ook de minder gunstige invloed van menselijke robotrelaties op mensen en de samenleving van de toekomst.

Natural computing

Het onderzoek in de natural computing groep omvat theoretische fundamenten, de ontwikkeling van nieuwe algoritmen en interdisciplinaire toepassingen van natuurlijke computermethoden. De drijvende kracht achter hun onderzoek is de missie om het begrip van natuurlijke systemen als rekenmodellen te vergroten, met een focus op de ontwikkeling van nieuwe algoritmen en toepassingen voor uitdagende problemen. Ze onderzoeken fundamentele aspecten van die algoritmen en hun toepassingen op praktische problemen, zoals bijvoorbeeld medicinale chemie, farmaceutica, fysica en ingenieurstoepassingen, maar ook bedrijfstoepassingen die variëren van portfolio-optimalisatie tot prognose. 
Meer informatie over de Natural Computing groep

Multicriteria optimalisatie en beslissingsanalyse

De focus van de Multicriteria Optimization and Decision Analysis (MODA) groep ligt op het ontwikkelen van fundamenten van methoden in multi-objectieve optimalisatie. Hun interesse ligt in het vinden van methoden die tegelijkertijd rekening houden met verschillende prestatiecriteria, die oplossingen vinden die acceptabel zijn in de praktijk, of die inzicht geven in de afwegingen. Hiervoor gebruikt en ontwerpt de groep algoritmes die in moderne rekenomgevingen worden geïmplementeerd. De groep houdt zich dus bezig met theoretische fundamenten van het vakgebied zoals algoritmische leertheorie, optimalisatie en ordertheorie, en aspecten die verband houden met algoritmetechniek om resultaten uit de theorie in de praktijk te brengen. 
Meer informatie over de MODA groep

Automated Design and Analysis of Algorithms

De Automated Design and Analysis of Algorithms (ADA) onderzoeksgroep streeft naar de ontwikkeling van kunstmatige intelligentietechnieken die de menselijke intelligentie aanvullen in plaats van vervangen. Hun onderzoek is met name gericht op methoden voor het geautomatiseerd ontwerpen en analyseren van algoritmen voor computationeel uitdagende problemen, het benutten van de menselijke creativiteit, geavanceerde Machine Learning methoden en optimalisatiemethoden, en veel rekencycli. Ze werken aan een breed scala van problemen, waaronder ‘propositional satisfiability’ (SAT), AI-planning, ‘mixed integer programming’ (MIP), ‘travelling salesperson problem’ (TSP), en een reeks van real-world-toepassingen.
Meer informatie over ADA

Reinforcement learning

Het Reinforcement Learning lab doet onderzoek naar Reinforcement Learning en Intelligent Combinatorial Algorithms. De groep geeft cursussen in Reinforcement Learning, Robotica, Deep Learning, Game Design en Advanced Data Mining. Het is een open groep, met leden van bachelor- en masterstudenten die werken aan hun scriptie tot en met faculteitsleden. Hun interesses variëren van versterkingsleren, games, multi-objectieve optimalisatie, neurale netwerken en robotica.
Meer informatie over het Reinforcement Learning lab

Deze website maakt gebruik van cookies.  Meer informatie.