Machine Learning

Onze onderzoeksgroep richt zich op hoe computerprogramma's kunnen leren van en inzicht krijgen in data, en vervolgens op basis daarvan bruikbare voorspellingen kunnen doen. Deze algoritmen integreren inzichten uit verschillende vakgebieden, waaronder statistiek, kunstmatige intelligentie en neurowetenschappen.

Toepassingen van machine learning maken steeds meer deel uit van het dagelijks leven; van spraakherkenning op mobiele telefoons tot het voorspellen van ziekten in de gezondheidszorg. Een veelvoorkomend probleem is extreem vervuilde data, waarvoor geen enkel model voldoende verklaringen kan bieden. Bij CWI pakken we dit probleem aan met statistische machine learning, waarbij voorspellingen van verschillende modellen en experts worden gecombineerd om tot betrouwbare conclusies te komen.

We bestuderen ook hoe netwerken van neuronen in de hersenen informatie verwerken en hoe moderne deep learning-methoden kunnen profiteren van neurowetenschap. We ontwikkelen nieuwe neurale netwerken, zoals Deep Adaptive Spiking Neural Networks, en ook theoretische modellen van neuraal leren en informatieverwerking in de biologie. Toepassingen van ons werk variëren van energiezuinige neurale machine learning tot neuroprotheses en meer inzicht in de vraag hoe de hersenen werken.