[go: up one dir, main page]
RO  EN
IMI/Noutăţi/2016/

Susţinerea tezei de doctor

Se anunţă susţinerea tezei de doctor în informatică:

Pretendent: Albu Veaceslav, cercetător științific, laboratorul sisteme informatice, institutul de matematică și informatică AȘM.

Conducător ştiinţific: Cojocaru Svetlana, doctor habilitat în informatică, prof. cercetător, Institutul de Matematică și Informatică AȘM.

Tema tezei: "Human actions recognition with modular neural networks (Recunoașterea acțunilor umane în baza rețelelor neurale modulare)"

Specialitatea: 122.03 – Modelare, metode matematice, produse program

Data: 09 noiembrie 2016

Ora: 15:00

Local: Institutul de Matematică şi Informatică al Academiei de Ştiinţe a Moldovei (of. 340), str. Academiei 5, Chişinău, MD-2028, Republica Moldova.

Consiliul ştiinţific specializat: D 01.122.03–03, specialitatea 122.03 – Modelare, metode matematice, produse program

Membrii:

Referenți oficiali:

Principalele publicaţii ştiinţifice la tema tezei ale autorului:

  1. Albu V. Measuring customer behavior with deep convolutional neural networks. BRAIN. Broad Research in Artificial Intelligence and Neuroscience, Volume 1, Issue 2 , April 2016, pp.74-79. E-ISSN 2067 – 3957 (ISI).
  2. Албу В. А., Хорошевский, В.Ф. КОГР система когнитивной графики. Разработка, реализация и применение. В: Известия Академии Наук СССР. Техническая кибернетика. 1990, nr. 5, pp. 105-118.
  3. Averkin A., Albu V., Ulyanov S. and others. Dynamic object identification with SOM-based neural networks. In: Computer Science Journal of Moldova, 2014, nr. 22 1/64, pp. 110-126. ISSN 1561-4042 (B+)
  4. Albu V., Cojocaru S. Measuring human emotions with modular neural networks and computer vision based applications, Computer Science Journal of Moldova, v.23, n.1 (67), 2015, pp.40-61. ISSN 1561-4042 (B+)
  5. Albu V. Neural network based model for emotion Recognition. In: Proceedings of the Workshop on Foundations of Informatics. FOI-2015, August 24-29, 2015, Chisinau, Republic of Moldova, pp.423-434
  6. Ulyanov S., Albu V., Barchatova, I. Intelligent robust control system based on quantum KB-self-organization: quantum soft computing and Kansei / affective engineering technologies. The third conference of mathematical society of the Republic of Moldova. Chisinau: Institute of mathematics and Computer Science, Academy of sciences of Moldova, 2014, pp. 571-582. ISBN: 978-9975-68-244-2
  7. Albu V. Measuring human emotions with modular neural networks. In: Proceedings of the 7th International Multi-Conference on Complexity, Informatics and Cybernetics: IMCIC 2016, March 8 - 11, 2016, Orlando, Florida, USA, pp.26-27.
  8. Albu V. Measuring human emotions with modular NNS and computer vision applications. În: Tendințe contemporane ale dezvoltării științei: viziuni ale tinerilor cercetători. Teze ale Conferinței Științifice Internaționale a Doctoranzilor. Martie, 2015, AȘM, Chișinău, p. 14.

Rezumatul tezei:

Problematica abordată. Este cercetată problema recunoașterii acțiunilor utilizând arhitecturi noi de rețea neurală artificială (RNA) pentru clasificarea gesturilor și emoțiilor umane, obținute de la camere video cu infraroșu. Semnalul de ieșire al acestor camere servește în calitate de intrare pentru rețeaua propusă, obținându-se clasificarea reacțiilor persoanelor în tipice vs. atipice în raport cu un anumit mediu. RNA propusă în lucrare poate servi drept un instrument robust de clasificare a emoțiilor și gesturilor unui subiect uman în tipice vs. atipice pentru un anumit tip de interacțiune în timp real prin utilizarea metodelor existente cu algoritmi de învățare, ce provin din arhitecturi de rețele neurale (RN) biologic plauzibile.

Conţinutul de bază al tezei. Teza este scrisă în limba engleză și constă din introducere, trei capitole, concluzii generale și recomandări, bibliografie ce cuprinde 109 titluri. Lucrarea conține 121 pagini text de bază, 37 figuri, 2 tabele, 5 anexe. Rezultatele principale sunt publicate în 8 lucrări științifice.

În primul capitol este descrisă baza psihologică pentru modele de recunoaștere a emoțiilor și a acțiunilor, oferindu-se o scurtă prezentare a principalelor tipuri de modele de recunoaștere ale obiectelor. Un accent deosebit este pus pe abordările matematice existente în construcția de rețele neurale, aferente obiectului de studiu. Capitolul al doilea prezintă arhitectura modelelor de rețele neurale propuse pentru recunoașterea emoțiilor și acțiunilor. Sunt descrise rețelele neurale modulare, aplicate la recunoașterea emoțiilor, precum și rețelele neurale convoluționale, folosite pentru clasificarea gesturilor. Se descrie arhitectura modulului de bază al rețelei: harta cu auto-organizare (SOM) ale modulelor cu funcții de bază radiale (RBF). Sunt descriși algoritmii elaborați pentru extragerea automată și învățarea caracteristicilor importante din datele, pe care le clasifică eficient în una din cele două clase de emoții și gesturi. În capitolul trei este prezentat rezultatul aplicării abordării propuse prin efectuarea și evaluarea unui experiment de clasificare a acțiunilor umane în interacțiune cu bancomatul. În rezultatul evaluării procesului de recunoaștere a mișcărilor corpului și expresiile faciale și Îmbinarea ambelor metode permite creșterea exactității până la 99%.

Principalele rezultate obţinute.

  1. A fost propusă arhitectura modulului de bază al rețelei, ce cuprinde hărți cu auto-organizare (SOM) de funcții de bază radiale (RBF). Abordarea propusă este nouă din punct de vedere al arhitecturii sistemului și implementării algoritmului de învățare.
  2. A fost demonstrată posibilitatea de a adapta arhitectura rețelei neurale convoluționale la un nou tip de procesare a semnalelor de intrare (infraroșu). S-a demonstrat că un astfel de tip de arhitectură este capabil să rezolve sarcina propusă (procesarea acțiunilor) în timp real.
  3. Rezultatele experimentale demonstrează că sistemul este potrivit pentru punerea în aplicare la dispozitivele ATM. Sistemul este gata pentru teste pe teren și ar putea fi pus în aplicare pentru testare într-un terminal ATM tipic.