Diep Leren

Deep Learning (DL) is een subgebied van Machine Learning. Deep Learning maakt gebruik van neurale netwerken om grote gegevensreeksen te analyseren. De structuur van de kunstmatige neurale netwerken is geïnspireerd op biologische neurale netwerken. Door gebruik te maken van neurale netwerken kan dus menselijk gedrag, zoals het redeneren vanuit informatie, worden nagebootst.

Een neuraal netwerk heeft het voordeel dat veel grotere bergen gegevens veel sneller kunnen worden onderzocht dan mensen ooit zouden kunnen. Zo worden neurale netwerken overal gebruikt waar patronen of tendensen in grote hoeveelheden gegevens worden onderzocht, bijvoorbeeld bij gezichts-, object- of spraakherkenning. Tijdens het gebruik van een neuraal netwerk leert het van de invoergegevens en verbetert het zijn prestaties (zelflerend systeem).

Symbolische voorstelling van een neuraal netwerk

Probeer het zelf maar!

https://playground.tensorflow.org

Regionale deskundigen

Prof. Dr.-Ing. Jürgen te Vrugt
FH Münster
Onderwijs- en onderzoeksgebied Kunstmatige Intelligentie
Contact

Prof. Dr. Xiaoyi Jiang
WWU Münster
Decaan van het departement Wiskunde en Informatica
Contact

Toepassingen

Bos AI - objectherkenning
Kaitos GmbH heeft een bos AI ontwikkeld die aan de hand van dronebeelden beschadigde of zieke bomen in een bos detecteert en van een GPS-tag voorziet.

Geautomatiseerde kwaliteitsinspectie
Door gebruik te maken van neurale netwerken en computervisie kunnen afwijkingen van de doeltoestand met behulp van camera's worden vastgesteld. Dit kan heel gemakkelijk worden gedaan via Amazon Lookout for Vision. Het enige wat gedaan moet worden is twee mappen met afbeeldingen aanleveren. Een map met goede delen en een map met slechte delen. Vervolgens wordt het voorgetrainde neurale netwerk aangepast met de input van de beelden. Op die manier kunnen afwijkingen worden opgespoord.