Hjem
Maskinlæring
Dyplæring

Dyplæring

Dyplæring bruker kunstige nevrale nettverk med svært mange lag med nevroner. Dette gjør at nettverket kan lære mer abstrakte konsepter, og slike nett brukes ofte til å klassifisere bilder eller gjenkjenne objekter.

Brain
Dyplæring er en sentral teknologi for å konstruere intelligente systemer.

Da Krizhevsky et al. i 2012 brukte et dypt konvolusjonsnettverk til å klassifisere bilder fra ImageNet-databasen med langt bedre presisjon enn tidligere systemer, var det starten på en revolusjon.  Siden har dyplæring blitt brukt med stor suksess innen mange forskjellige områder, og det er nå en av de viktigste teknologiene for å analysere såkalte big data.

Vi har et nært samarbeid med Havforskningsinstituttet, der vi bruker dyplæringsteknologi til å analysere store datamengder som samles inn i forbindelse med marin forskning.  Dette inkluderer både bilder, video, samt data fra oseanografi og akusitkk (dvs. sonar og ekkolodd), og også data fra laboratoriet.  Mangelen på gode treningsdata er en utfordring, og unsupervised og semi-supervised læring er derfor spesielt viktige.