SHE for HIM: Gesimuleerde Menselijke Omgeving voor de Human Interface Mate

Machinaal leren is het toe in staat stellen van computers om te leren, of hun gedrag aan te passen, gebaseerd op informatie de ze verkrijgen. Door deze "lerende programma's" de juiste informatie te geven, kunnen ze voor een specifieke taak getrained worden. Vandaag de dag hebben de meeste algoritmes voor machinaal leren grote hoeveelheden trainingdata nodig om ergens goed in te worden. Zo zou men bijvoorbeeld een programma kunnen trainen om automatisch auto's in een foto te detecteren, door dit programma duizend foto's met auto's te laten zien en voor iedere foto manueel te specifiëren waar auto's te zien zijn. Dit betekent dat er duizend foto's van auto's verzameld moeten worden en elke auto aangeduid moet worden met een label. Een mogelijk alternatief voor het manueel uitvoeren van deze taak is om realistische afbeeldingen van auto's te genereren door gebruik te maken van een ander programma. Het labellen van de foto's, waarbij elke auto gemarkeerd wordt, kan dan ook automatisch gebeuren. De gegenereerde afbeeldingen kunnen dan als trainingsdata gebruikt worden voor het machinaal lerende programma. Het gebruik van synthetische data voor het trainen van machine learning programma's is al succesvol gebruikt in echte applicaties met goede resultaten. Dit onderzoek tracht om deze techniek toe te passen op een echte industriële applicatie of proces. Daarna wordt er onderzoek gedaan naar de mogelijkheid voor het combineren van synthetische en echte trainingsdata voor het versnellen en verbeteren van het leerproces. Het onderzoek zal ook neuro-evolutionaire technieken verkennen voor versnelde en betere training.