< Terug naar vorige pagina
Onderzoeker
Shabab Bazrafkan
- Onderzoeksexpertise:Werken aan machine learning in het algemeen en Deep Learning in het bijzonder. Ontwerp en training van diepe neurale netwerken, Data Augmentation en generatieve modellen. Werkt momenteel aan lage dosis CT-reconstructie en Tomosynthese met behulp van Deep Neural Networks.
- Trefwoorden:DEEP-GENERATIEVE MODELLEN, MACHINAAL LEREN, TECHNOLOGIE, DIEP LEREN, DEEP NEURAL NETWORKS, TECHNOLOGISCHE ONTWIKKELING, ARTIFICIËLE INTELLLIGENTIE (AI), Natuurkunde
- Disciplines:Datamining, Artificiële intelligentie niet elders geclassificeerd, Computationele biomodellering en machine learning, Computer aided engineering, simulatie en design, Biomedische beeldverwerking, Biomedische signaalverwerking, Analoge en digitale signaalverwerking, Signaalverwerking niet elders geclassificeerd, Artificiële intelligentie, Kennisrepresentatie en machine learning, Neurocognitieve patronen en neurale netwerken
- Onderzoekstechnieken:In het geval van netwerkontwerp en -training zijn de technieken meestal gebaseerd op literatuur en codering. Laag niveau codering in CUDA en codering op hoog niveau in frameworks zoals MXNET of Tensorflow. Gegevensvoorbereiding is ook gebaseerd op literatuur en codering, voor zover er geen acquisitie nodig is.
- Gebruikers van onderzoeksexpertise:Technologie gebaseerde industrieën. Medische bedrijven. Elke markt gericht op kunstmatige intelligentie. Video- en beeldverwerkingsindustrie. IoT, slimme steden.