GELECEKTE DOĞAL AFETLERİN ÖNLENMESİNİ SAĞLAYAN DERİN ÖĞRENME SİSTEMİ

İsviçre'deki St. Gallen Üniversitesi'nde (HSG) Yapay Zeka ve Makine Öğrenimi bölümü başkanı Damian Borth’un geçmişi, büyük ölçekli multimedya fikri madenciliğine makine öğrenimini uygularken ve özellikle de çevrimiçi medya akışlarından elde ettikleri bilgileri (eğilimler, duygular) derinlemesine öğrenmeye odaklandığı araştırmalar bulunmaktadır. Damian, derin öğrenmede gerçekleşme konusunu anlatıyor ve çalışmalarını derin öğrenmeyle bütünleştirmenin, gelecekteki doğal afetlerin önlenmesine yardımcı olmak için neden önemli bir rol oynadığını belirtmektedir. Sinir ağını yeterli veri olmadan verimli bir şekilde eğitmenin zor olması sebebiyle eğitim hayatına doktora programı ile devam etmiştir. Yapılan araştırmalara göre, ismin bir sıfatla iklimlendirilmesiyle, nesnel bir değerlendirmeyi öznel bir değerlendirmeye taşımaktadır. Bunu yaparken, bu orta düzey temsilden daha yüksek bir duygu temsili seviyesine bir bağlantı elde etmiştir. Sevimli bir köpeğin veya gülen bir bebeğin pozitif görüntüsü, karanlık bir sokak ya da kanlı bir kaza gördüğünde olumsuz duygulara dönüşebilir. Bu orta düzey temsiliyet, duygu analizinin ötesinde de çok başarılı oldu ve estetik ve duygu tespiti için uygulanmıştır. Nesnel dünya ile görsel içeriğin öznel dünyası arasında bir köprü oluşturmaktadır. Buna Multimedya Fikir Madenciliği (MOM) denilmektedir; çünkü video ve ses gibi farklı modaliteleri dikkate almayı alınarak çalışmalar yapılmaktadır. Şu anda çok modelli sinyal işlemeye yönelik derin öğrenme mimarilerini geliştirilmektedir. Amaç, bir giriş olarak farklı modaliteler almak ve hepsini tek bir mimari haline getirmektir. Geç füzyon, infüzyon ve erken füzyon çalışmaları gibi farklı mimarilerle çalışmak, sistem performansını iyileştirmektedir. Özellikle bir çok bilginin çoklu model olduğu uzaktan algılama için uydu görüntü analizinde özellikle erken füzyon başarılı bir şekilde kullanılmıştır. 

 

Kaynak: Tıklayınız