De TU\/e is betrokken bij alle zes nieuwe Perspectiefprogramma\u2019s van NWO, waarvan \u00e9\u00e9n als penvoerder. Dat programma, geleid door hoogleraar Embedded System Architectures Henk Corporaal, beoogt zelflerende automatische systemen \u2013 bijvoorbeeld voor beeldherkenning \u2013 via \u2018deep learning\u2019 effici\u00ebnter en transparanter te maken. De overige programma\u2019s moeten leiden tot een nieuwe 3D-printer voor grote metalen onderdelen, microscopie zonder lenzen, nieuwe bacteri\u00ebn voor de chemische industrie, blessurevrij sporten en draagbare robotica voor mensen met onwillige spieren.<\/p>\n
Bij het project van Henk Corporaal zijn behalve de TU\/e nog een dozijn universiteiten en onderzoeksinstellingen en een dertigtal bedrijven betrokken, waaronder ING, Schiphol, Siemens, Intel, Oc\u00e9, TomTom en Tata-Steel. In totaal is er volgens Corporaal bijna zeven miljoen euro gemoeid met zijn programma, waarvan vier miljoen van NWO komt.<\/p>\n
Op basis van concrete situaties uit de praktijk van de aangesloten bedrijven, beoogt het programma \u2018deep learning\u2019 toepasbaar te maken voor onder andere automatische visuele inspecties, weefselanalyse, slim onderhoud van apparatuur, en intelligente hoortoestellen die kunnen omgaan met rumoerige omgevingen. De bedoeling is dat het programma een eenvoudig toepasbare service oplevert voor het Nederlandse bedrijfsleven.<\/p>\n
Deep learning is een veelbelovende methode om zelflerende systemen te realiseren. Deze systemen zijn opgebouwd uit vele lagen met kunstmatige neuronen. Elke laag leert bepaalde eigenschappen, en herkent daarmee structuur in de binnenkomende informatiestroom; bijvoorbeeld verticale lijnen, rechthoeken, gezichten, of gezichtsuitdrukkingen. De eerste lagen leren eenvoudige structuren, terwijl de latere lagen op basis hiervan meer complexe eigenschappen leren.<\/p>\n
Het voordeel van zelflerende systemen is volgens Corporaal dat je geen algoritmes hoeft te programmeren. \u201cHet systeem leert zelf, maar dat betekent dat je er wel enorm veel voorbeelden doorheen moet jassen.\u201d Aan de hand van die voorbeelden kent het zelflerende systeem waarden toe aan \u201cmiljoenen tot miljarden\u201d parameters. \u201cDat kost allemaal ontzettend veel rekenkracht. Effici\u00ebntie is dus van het grootste belang, zeker als je zelflerende systemen wilt draaien op bijvoorbeeld smartphones en nog kleinere apparaten.\u201d<\/p>\n
(artikel gaat verder onder de video)<\/em><\/p>\n