EGLB logo made of blue paper

EGL-B数学家大会

2019年6月11日

EGL-B车间摘要

所述EGL-B数学会议开始在4个 六月与来自澳门皇家赌场教授萨巴赫·贾西姆的介绍,从埃塞克斯,格林威治,伦敦和澳门皇家赌场欢迎发言人和与会者。主题讨论使个人深入了解并就优化他们的研究的机会,应用和计算数学和数据分析。这些会议也纳入人工智能,机器学习在大数据分析和应用数学。

下面就介绍到EGL-B数学车间,有一天开始的“应用优化”,其次是自动化的计算模型和人工智能和机器学习策略的主题。

谁在研讨会期间提出的一个研讨会上澳门皇家可以通过其他大学的陈述人,以获得他们的发言建设性的反馈意见和研究。三名学生,先生fakher穆罕默德(英国澳门皇家赌场),MS伽耶特黎骑(英国澳门皇家赌场),并与礼物一起被授予在EGL-B车间高质量呈现精心研究证书先生亚当·伍德豪斯(埃塞克斯大学)卡。

教授萨巴赫·贾西姆演示文稿摘要

教授萨巴赫·贾西姆首先介绍了大数据意味着什么在社会媒体,网络和学习有多深的出现,吸引了计算机应用高息他的演讲。他解释说,机器学习的目的,并利用它的功能提取一次的要求。导致对来描述的数据,如何在图像域中的质地和结构特征被广泛地提取并馈送到AI算法使用的功能。

沙巴则定义了机器学习分类器和卷积层相互比较来深学习的目标。他展示了如何卷积神经网络(CNN)已经被描述为使用多个卷积层通过使用随机线性滤波器后跟一个非线性选项识别功能来学习大量涌现。

作为演讲继续下去,他参照其性能,减少了事先与已知的区分能力,适应新的相关问题搜索的需求和不同的架构被广泛使用说明使用深度学习的优点。这之后是涉及到一个大的要求为训练数据,过度拟合分类深学习缺点,训练和测试样本,可能错误分类检验样本不同的训练样本昂贵。

沙巴是指显着尝试通过使用tensorflow和迁移学习到的适用性扩展到箱子样品缺乏其中克服深度学习缺点。拓扑数据分析也被用来作为具有类似主题是提供给深度学习的补充。说明它是如何能够使用CS卷积层,并通过使用基于CS随机投影,这可以减少所产生的冗余的量,并且可以帮助减少过度拟合。

这是一个多事两天的EGL-B数学车间和计算的学校很高兴能够举办今年的活动。特别感谢所有的工作人员,谁参加,并提交代表白金汉宫,埃塞克斯,伦敦和格林威治大学,与来自肯特和米德尔塞克斯与会者还参加学生。

EGLB workshop participants