Trefwoorden: Kunstmatige intelligentie, computervisie, menselijk gedrag begrijpen, Deep Learning, persoonlijkheidsontwikkeling

"Human behavior understanding from motion and bodily cues using deep neural networks"

Technologische vooruitgang op het gebied van kunstmatige intelligentie (AI) heeft het pad geëffend voor systemen die in staat zijn te leren en de omgeving waar te nemen op een manier die de menselijke waarneming imiteert. Machines zijn zeer krachtig als het gaat om het leren van regelmatige en tastbare patronen. Er is echter nog veel ruimte voor verbetering op het gebied van het automatisch begrijpen van gedragingen en hoe mensen deze gebruiken om te communiceren en hun gevoelens uit te drukken. Deze dissertatie stelt de kritische onderzoeksvraag hoe computationele modellen kunnen worden gebouwd die het begrip van machines van menselijke intenties, gedragingen, persoonlijkheidskenmerken en activiteiten kunnen verbeteren, door betekenisvolle patronen te leren uit menselijke beweging en lichamelijke signalen. De bevindingen tonen aan dat door het onderzoeken van de rijke informatie die wordt overgebracht door de menselijke non-verbale communicatie (bv. gebaren, lichaamshoudingen en bewegingen), we slimme toepassingen kunnen bouwen in kritieke domeinen van onze samenleving, zoals gezondheidszorg, bewaking en Affective Computing.

Klik hier voor het volledige proefschrift.

Klik hier voor de live stream.