Universiteit Leiden

nl en

Informatica & AI

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.

Deep learning en computer vision

Het doel van het LIACS Media Lab (LML) aan de Universiteit Leiden is het uitvoeren van onderzoek op het gebied van deep learning, kunstmatige intelligentie en computer vision. Hun onderzoek omvat de dominante soorten media-informatie, zoals beelden, video, audio en tekst, of multimedia. Een van de meest voorkomende maatschappelijke problemen is het doorzoeken van de enorme berg aan multimedia-informatie uit diverse bronnen zoals smartphones, digitale bibliotheken, culturele erfgoedcollecties en het internet. Hoewel het verwerven van de multimedia-informatie eenvoudig is, zijn er momenteel geen effectieve oplossingen voor het vinden van multimedia-informatie met behulp van alledaagse vragen. De groep legt de nadruk op het gebruik van deep learning en computer vision methodes om beelden in menselijk begrijpelijke tekst te classificeren en maakt gebruik van de inhoud zoals pixels in beelden, geavanceerde kunstmatige intelligentie en diepe neurale netwerkalgoritmen om te bepalen wie of wat er in het beeld zit.

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

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

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.