Ardi Tampuu „Tehisnärvivõrgud bioloogiliste andmete analüüsimiseks“

5. mail kell 15.30 esines LUSi saalis (Struve 2) Ardi Tampuu ettekandega oma Tartu Ülikooli Arvutiteaduse Instituudis 2020. aasta oktoobris kaitstud doktoritööst  „Tehisnärvivõrgud bioloogiliste andmete analüüsimiseks“. 

Ettekannet saab järgi vaadata ka UTTV-s siin:   https://www.uttv.ee/naita?id=33165

Tehisnärvivõrgud on üsna hiljuti (alates 2012. aasta AlexNeti artiklist) populaarseks saanud masinõppe algoritm. Nagu ka teised masinõppe meetodid on tehisnärvivõrgud võimelised muuhulgas näidete põhjal õppima (juhendamisega õpe). Iga näide koosneb sisendist ja sellele sisendile vastavast oodatavast (õigest) vastusest. Tehisneuronite vahelisi ühendusi optimeeritakse nii, et mudeli õpetamiseks kasutatavete näidete (treeningandmepunktide) puhul annaks mudel võimalikult täpseid vastuseid.


Erinevad variatsioonid tehisnärvivõrkudest on oma kasulikkust tõestanud mitmetes arvutiteaduse harudes. Näiteks konvolutsioonilised närvivõrgud (CNN, convolutional neural networks) on täielikult asendanud senised meetodid masinnägemises. Konvolutsioonilised võrgud on väga efektiivsed näiteks objektituvastuses ja näotuvastuses. Rekurrentsed närvivõrgud (RNN, recurrent neural networks) on väga efektiivsed kõnetuvastuses ja keeletehnoloogias (lausete mõtte, emotsiooni jne mõistmiseks). Need näited aga ei ole ainsad võimalikud tehisnärvivõrkude rakendamise valdkonnad. Teadusmaailmas, ja ka ärimaailmas ja ühiskonnas üldiselt, on veel tohutu hulk andmestikke ja probleeme, mille puhul tehisnärvivõrkude rakendamine võiks anda väga häid tulemusi. Tulemusi, mis seniste meetoditega võimalikud pole.