Diskriminativa och generativa modeller i maskininlärning

  • Datum: –16.30
  • Plats: Polacksbacken Hus 2, sal 2347 (Lägerhyddsvägen 2)
  • Föreläsare: Tekn dr Fredrik Lindsten
  • Webbsida
  • Arrangör: Institutionen för informationsteknologi
  • Kontaktperson: Fredrik Lindsten
  • Telefon: 0734201600
  • Docentföreläsning

Docentföreläsning i ämnet elektroteknik med inriktning mot signalbehandling.

Institutionen för Informationsteknologi inbjuder härmed alla intresserade till docentföreläsning i ämnet elektroteknik med inriktning mot signalbehandling.

Föreläsare: Tekn dr Fredrik Lindsten

Titel: Diskriminativa och generativa modeller i maskininlärning

Datum: Onsdag 9 maj 2018 kl. 15.15

Plats: Polacksbacken, Hus 2, sal 2347 (Lägerhyddsvägen 2)

Ordförande: professor Thomas Schön

Docenturnämndens representant: professor Carolina Wählby

Sammanfattning:

Att automatiskt analysera och dra slutsatser från stora och komplexa datamängder är centralt inom teknikområden som maskininlärning och signalbehandling. Detta kan åstadkommas genom att använda en matematisk modell som på ett kompakt sätt beskriver samband och beroenden i data. Den matematiska modellen anpassas först till observerade data—så kallad inlärning—varefter den kan användas för att göra prediktioner eller dra slutsatser om den underliggande processen.

Flera olika typer av modeller kan användas för att beskriva data. Två vanligt förekommande modellklasser är så kallade diskriminativa och generativa modeller. Kortfattat kan man säga att diskriminativa modeller syftar till att särskilja olika datapunkter utifrån deras egenskaper, utan att direkt modellera data i sig. Generativa modeller, å andra sidan, syftar till att modellera hela den datagenererande processen. En generativ modell kan, åtminstone konceptuellt, användas för att ”generera”, eller simulera, syntetiska data från modellen. Många forskare inom maskininlärning och artificiell intelligens menar att generativ förmåga är nödvändigt för att bygga verkligt intelligenta system—som Richard Feynman uttryckte det: “What I cannot create, I do not understand.”

I den här föreläsningen kommer jag beskriva innebörden av diskriminativ och generativ modellering, ge exempel på vanligt förekommande modeller, och diskutera för- och nackdelar med de båda modelltyperna. Jag kommer också visa hur generativa modeller kan användas för att angripa problem som inte låter sig lösas med enbart diskriminativa tekniker: Hur kan en modell tränas utifrån osäkra annoteringar och icke-annoterad data? Hur kan man resonera kring avvikelser och anomalier i indata? Och hur kan data, t.ex. syntetiska men naturtrogna bilder, genereras genom att simulera ifrån modellen?  

Föreläsningen, som är ett lärarprov för den som ansökt om att bli antagen som docent, ska kunna följas av studenter och andra med kunskaper på grundutbildningsnivå inom ämnet, men kan även vara av intresse för en bredare publik. Föreläsningen varar 45 minuter med efterföljande frågestund och diskussion och kommer att ges på svenska.

Välkomna!