Voor de beste ervaring schakelt u JavaScript in en gebruikt u een moderne browser!

Drie afstudeerscripties van studenten uit de Master Artificial Intelligence zijn geselecteerd voor de toonaangevende NeurIPS conferentie over machine leren. Van de 6743 inzendingen voor deze internationale conferentie werden na een grondige peer-review 1428 artikelen geaccepteerd, het leeuwendeel als poster, slechts 36 als publieke presentatie. Het werk van Gabriele Cesa is geselecteerd als poster. De werken van zowel Pim de Haan als Sindy Löwe zijn geaccepteerd als publieke presentatie, waarmee hun scripties tot de top 0.5% van de inzendingen behoren. Voor alle drie een prestatie van wereldklasse.

Zelf-supervisie, Causaliteit en Equivariantie

Sindy Löwe onderzocht hoe een algoritme kan leren van beeld en audio-data zonder labels. Ze introduceert Greedy InfoMax, een nieuw verdeel-en-heers mechanisme dat een diep neuraal netwerk opsplitst in individuele modules, die elk individueel leren door zelf-supervisie. Pim de Haan identificeert dat behavioral cloning algoritmes, die leren door interactie met hun omgeving, de causale structuur van de interactie negeren. Ondanks beschikbaarheid van meer data om van te leren, presteren deze algoritmes dan juist slechter. Hij onderzoekt hoe het probleem ontstaat en hoe het met behulp van causale modellen voorkomen kan worden. Gabriele Cesa studeert op equivariante eigenschappen van neurale netwerken. Door deze eigenschappen expliciet op te nemen in de netwerkarchitectuur leren ze sneller en generaliseren ze beter. Hij implementeert een breed scala aan bestaande en door hemzelf voorgestelde equivariante netwerkkarchitecturen en vergelijkt hun accuratesse. Sindy, Pim en Gabrielle presenteren hun werk volgende week in Vancouver, Canada. Daarna gaan ze verder met hun promotie-onderzoek bij de UvA; Gabrielle en Pim bij het QUVA Lab en Sindy bij het Delta Lab.

Artikel Sindy Löwe, Peter O'Connor, Bastiaan Veeling

Artikel Pim de Haan, Dinesh Jayaraman, Sergey Levine

Artikel Maurice Weiler en Gabriele Cesa