Constraint Guided Deep Learning to Add Semantics to Acoustic Signals
Webinar met Peter Karsmakers (KU Leuven DTAI).
Praktische info:
Leertrajecten
Inschrijven?
- Inschrijvingen: tot 24 mrt. 2022
- Prijs: gratis
Registratie is niet nodig, je kan zo naar het seminarie komen.
Inschrijven is mogelijk om een herinnering aan de seminaries in deze reeks over tijdsreeksen te ontvangen.
georganiseerd door:
Acoustic signals are a rich source of information that have ample perspective to glean useful insights about the monitoring context. Furthermore, information can be collected at a distance from the acoustic sources without making physical contact. Deep learning models are typically used to automatically add semantics to the acoustics. However, such models typically are learned using a massive amount of input-output pairs, ignoring domain knowledge that additionally might be available. When domain knowledge is injected by customizing model architectures and/or constraining the learning mechanism, it is expected that the need for annotated data is relaxed. Furthermore, when the processing platform on which the models will be deployed is known beforehand learning can already take into account constraints that entail thresholds on computational and memory complexity. In this way the model deployment process can be smoothened. After explaining the research context some concrete use-cases will be discussed along with future work directions.
Acoustic signals are a rich source of information that have ample perspective to glean useful insights about the monitoring context. Furthermore, information can be collected at a distance from the acoustic sources without making physical contact. Deep learning models are typically used to automatically add semantics to the acoustics. However, such models typically are learned using a massive amount of input-output pairs, ignoring domain knowledge that additionally might be available. When domain knowledge is injected by customizing model architectures and/or constraining the learning mechanism, it is expected that the need for annotated data is relaxed. Furthermore, when the processing platform on which the models will be deployed is known beforehand learning can already take into account constraints that entail thresholds on computational and memory complexity. In this way the model deployment process can be smoothened. After explaining the research context some concrete use-cases will be discussed along with future work directions.
Lesgever/spreker
Peter Karsmakers
Dr. Peter Karsmakers behaalde het M.Sc. diploma in artificiële intelligentie in 2004 en het PhD diploma aan het departement Electrical Engineering, KU Leuven, in 2010. Van 2010 tot 2013 was hij postdoctoraal onderzoeker in het MOBILAB-onderzoeksteam van Thomas More. Van 2013 tot 2018 werkte hij als postdoctoraal onderzoeker aan de KU Leuven waar hij het ADVISE onderzoeksteam mee oprichtte. Momenteel is hij een Associate Professor binnen het departement Computerwetenschappen in de afdeling DTAI aan de KU Leuven en is hij lid van het Leuven.AI instituut. Sinds 2022 is hij PI van Flanders Make@KU Leuven. Zijn onderzoeksinteresses omvatten het ontwerpen van machine learning algorithm die rekening houden met toepassingsspecifieke beperkingen. Deze kunnen bijvoorbeeld betrekking hebben op het computerplatform waarop het machine learning algorithm zal worden ingezet, aan de behoefte van fysieke consistentie tussen modelvariabelen, aan het gebrek aan data annotatie of aan andere toepassingsgerelateerde specificaties. Hij werkte aan diverse projecten, meestal in samenwerking met industriële partners, waarbij zowel mensen als machines worden bewaakt met behulp van sensoren zoals microfoons, versnellingsmeters en radars.
AI for Time Series Seminars
Verscheidene onderzoeksgroepen in het Vlaams AI-onderzoeksprogramma verrichten onderzoek van wereldklasse in verband met tijdreeksen, zowel voor de ontwikkeling van algoritmes en tools, als voor een brede reeks toepassingen. In een recente rondvraag bij de Vlaamse AI-gemeenschap, bleek dat het onderwerp ’tijdreeksen’ het meest gevraagd werd om toekomstige workshops en cursussen over te organiseren. Met deze seminariereeks komen we aan die vraag tegemoet en brengen we onderzoekers die geïnteresseerd zijn in, of onderzoek verrichten naar, tijdreeksen samen. We bieden hen en andere belangstellenden een gevarieerd programma met nationale en internationale sprekers.
Klik op de afzonderlijke webinars onderaan om de video-opnames te (her)bekijken.
