(古晋4日讯)斯威本的多重感应器,可解释人工智慧(explainable AI)和物联网(IoT)传感器数据研究项目,已获大马高等教育部(MoHE)属下基础研究基金计划(FRGS)拨款17万2千594令吉。
由首席研究员(PI)Mark Tee博士带领的项目“利用感知场景和深度学习探索基于多模式、融合性的室内导航人体追踪”,获得了总计6万4120令吉的拨款。该项目是对应用于陪伴机器人导航的多传感器融合之博士研究成果的跟进工作。
由于自我定位技术和环境动态条件的限制,在封闭空间中自主运动和寻路仍然是一项挑战。先前的研究创建了一个新颖的导航模型,该模型简化了陪伴机器人在尝试将自身重新定位到目标护送人员想要的位置并遇到障碍物时的决策。
然而,为了确保系统可以在其环境中发挥最佳功能,必须手动调整分配给每个传感器源的重量。
这项研究将探讨环境的哪些方面(称为“感知场景”)影响这些重量的调整。一旦建立了这些关系,理论上,深度学习技术可以帮助研究这些调整,以便机器人可以根据其不断变化的操作环境自动调整重量,并通过时间,在以最少的人为干预下学习做得更好。
由首席研究员Sim Kwan Hua带领,题为“使用基于规模的降维在物联网传感器数据的可伸缩时间序列模式识别”的项目,获得了5万8390令吉的拨款。从广泛可用的物联网传感器生成的时间序列数据具有巨大知识发现途径,可对各种行业和应用领域面临的许多严峻而紧迫的问题,提供潜在解决方案的宝贵见解。
然而,重复的时间序列模式可能以各种长短出现,并且具有高度可伸缩性。这加剧了时间序列模式识别的工作量;由于搜索空间的要求很高,时间序列模式识别通常因计算复杂性而受到阻碍。该研究项目旨在从给定的长时间序列数据集中,在无需事先了解时间序列模式,且无需考虑规模的情况下获取频繁重复的模式。
同时,由首席研究员 Joel Than Chia Ming博士领导的“利用可解释人工智能(XAI)进行肺部疾病诊断和严重程度分类”项目,获得了5万零84令吉的资金。
该项目小组成员包括斯威本的学者Patrick Then教授和Kelvin Yong博士、Norliza Mohd Noor教授(UTM)、Mohd Fauzi副教授(UTM)和Wan Mohd Ya’akob博士(UTEM)。
该项目的主要目标是发现用于诊断肺部疾病及其严重程度的复杂人工智能方法所利用的趋势和模式。
通过这个项目,希望人工智能不会成为一个深不可测的概念,而是可以通过图像和方程式得到更多的解释,同时,提高透明度以及受医疗专业人员接受。
随着世界和国家朝着工业革命4.0的方向发展,这一点尤其重要,因为人工智能将在不同领域,包括医学领域中发挥更大的主导作用。
斯威本的信息和通信技术学院(ICT)拥有计算机科学学士学位,主修网络安全、物联网、软件开发和数据科学,以及信息和通信技术学士学位主修网络技术和软件技术。该大学还提供研究生课程,两年的理学硕士(研究)和四年的博士学位(PhD)。
计算机课程经过澳洲计算机协会的外部审查和认可,以确保其满足该专业和行业的最高标准。
这些课程帮助学生获得CISCO、AWS Academy、Tecforte、SAS Institute、CompTIA及华为等的专业认证。
那些热衷于继续攻读研究生课程的学生,可以申请硕士和博士学位的奖学金。有关奖学金的详细信息,请发送电子邮件至信息和通信技术学院负责人Patrick教授,然后发送电子邮件至[email protected]。
若有更多询问,请发送电子邮件至[email protected]。有关斯威本的更多信息,请浏览www.swinburne.edu.my或其脸书页面(@swinburnesarawak),Instagram(@swinburnesarawak),推特(@Swinburne_Swk)或YouTube频道(Swinburne Sarawak)。