Onderzoeksprojecten (4500 - 5000 van 8189)
Onderzoeksprojecten (4500 - 5000 van 8189)
Onderzoeksprojecten (4500 - 5000 van 8189)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Abstract: I) Probleemstelling en doelstellingen<br />
Multi-agent systemen (MAS) zijn een recent paradigma waarmee een brede waaier <strong>van</strong> complexe problemen kan opgelost worden. MAS zijn en<br />
collectie <strong>van</strong> autonome agenten die onafhankelijk <strong>van</strong> elkaar handelen en die beschikken over lokale informatie en (eventueel beperkte)<br />
communicatiemogelijkheden.<br />
Tot op heden worden voornamelijk propositionele technieken gebruikt om de omgeving, waarin de agenten actief zijn, voor te stellen. Dit is echter in<br />
grote werelden met veel toestanden geen geschikte aanpak. In dit project stellen wij voor om het huidige MAS-framework te versterken door singleagent<br />
technieken, aan te passen naar omgevingen waarin meerdere agenten actief zijn. Deze single-agent technieken zijn gebaseerd op<br />
gefactoriseerde voorstellingen <strong>van</strong> de omgeving (i.e. beslissingsbomen, relaties, Bayesiaanse netwerken) en op macro-acties.<br />
II) Methodiek<br />
Voor de uitbreiding <strong>van</strong> de huidige technieken zal gesteund worden op technieken uit het single-agent framework, die ontwikkeld zijn met het oog<br />
op grote toestandsruimtes. Ten eerste zullen we de bestaande technieken evalueren in een MAS setting waarbij de agenten geen weet hebben <strong>van</strong><br />
elkaars aanwezigheid (Independent Learners).<br />
Vervolgens wensen we deze technieken aan te passen naar systemen waarin de agenten wel degelijk op de hoogte zijn <strong>van</strong> de aanwezigheid <strong>van</strong><br />
andere agenten. Hierbinnen gaan we nog onderscheid maken op basis <strong>van</strong> de mogelijkheid tot communicatie, de aanwezigheid <strong>van</strong> een leraar,<br />
enz. We gaan ook een onderscheid maken tussen systemen waarin agenten hetzelfde doel, of tegenstrijdige doelen hebben.<br />
Ten slotte willen we de werking <strong>van</strong> deze technieken demonstreren in een case study <strong>van</strong> een realistisch, practisch probleem.<br />
Organisaties:<br />
• Computationele Modelering Lab<br />
Onderzoekers:<br />
• ANN NOWE<br />
Multi-agent reinforcement learning <strong>van</strong> coördinatie en probleem structuur<br />
Vrije Universiteit Brussel<br />
Abstract: Onderzoek in machine learning en reinforcement learning neigt meer en meer naar multi-agent oplossingen, waar verschillende entiteiten,<br />
genaamd agenten, gezamenlijk problemen oplossen, zoals routering in een netwerk, of het verspreiden <strong>van</strong> de belasting op een elektriciteitsnet.<br />
Leren in de aanwezigheid <strong>van</strong> andere dynamische, lerende agenten is uitdagend, en moeilijk te schalen naar grote groepen agenten indien geen<br />
speciale maatregelen worden getroffen. Huidige technieken die schaalbaar zijn veronderstellen dat agenten zwakke interacties hebben, en deze<br />
conflicten lokaal kunnen oplossen.<br />
In situaties waar agenten sterk interageren kan kennis over deze probleem-specifieke interacties gebruikt worden om een coördinatie-structuur<br />
tussen deze agenten op te stellen. Deze kennis kan a priori gegeven zijn, of geleerd worden tijdens de werking <strong>van</strong> het systeem. Echter, huidige<br />
algoritmen veronderstellen dat agenten een globaal zicht hebben op het hele systeem, wat de onafhankelijkheid <strong>van</strong> agenten beperkt. Bovendien,<br />
deze benaderingen zijn enkel toepasbaar in contexten waar alle agenten dezelfde belangen hebben.<br />
In dit project zullen we de automatische detectie <strong>van</strong> interacties tussen agenten onderzoeken, zonder te veronderstellen dat agenten een volledig<br />
beeld hebben <strong>van</strong> andere agenten hun toestand en acties. Voorts zullen we de technieken ontwikkeld op basis <strong>van</strong> de verworven inzichten<br />
valideren in volledig coöperatieve, volledig competitieve en gemengde situaties.<br />
Organisaties:<br />
• Informatica en Toegepaste Informatica<br />
Onderzoekers:<br />
• ANN NOWE<br />
Multi-camera Computationele Video Architecturen<br />
Universiteit Hasselt<br />
Abstract: Computationele video en visie systemen laten nieuwe toepassingen toe die de mogelijkheden <strong>van</strong> digitale TV, IPTV en traditonele camera<br />
systemen aanzienlijk overstijgen. EDM is gekend voor zijn baanbrekend onderzoek op software systemen voor computationele video en multicamera<br />
3D sytemen.<br />
De uitvoering <strong>van</strong> video algorithmen is uiterst rekenintensief. Dit wordt o.a. bepaald door de beeld-resolutie (kwadratisch afhankelijk <strong>van</strong> de<br />
beelddimensies), het aantal beelden per seconde, de kleurennauwkeurigheid, het aantal cameras enz.. De gebruikte beeldverwerkingsalgorithmen,<br />
gestoeld op complexe wiskunde, hebben natuurlijk nog een belangrijkere impact. Zelfs met krachtige PCs is men beperkt in de mogelijkheden en<br />
verwerkingskwaliteit die men wil bekomen, zeker wanneer men real-time verwerking beoogt.<br />
Het onderliggende nieuw onderzoeksinitiatief beoogt de ontwikkeling <strong>van</strong> nieuwe toepassingsgerichte computationele video hardware/software<br />
architecturen. Hierdoor zullen nieuwe video- en visie-algorithmen en systemen gerealizeerd kunnen worden die voorheen niet mogelijk waren. De<br />
toepassingen voor dit onderzoek zijn velerlei: 3D televisie, virtuele camerasystemen, hoge kwaliteits/snelheids robot-visie en visuele<br />
inspectiesystemen , visuele verkeersmonitoring en management systemen. In de automotive sector zullen intelligente cameras steeds meer ingang<br />
vinden o.a. voor rijvakherkenning, tunnel detectie, passagier monitoring, hazard detectie op de weg enz.<br />
Bij al deze toepassingen zullen real-time toepassingsgerichte computationele hardware/software visie systemen belangrijke voordelen evenals<br />
nieuwe mogelijkheden bieden.<br />
Organisaties:<br />
• Expertisecentrum voor Digitale Media<br />
• Expertisecentrum voor Digitale Media<br />
Onderzoekers:<br />
• Philippe BEKAERT<br />
Multi-camera Computer Visie voor Assisted Living<br />
Universiteit Gent<br />
Abstract: Het doel <strong>van</strong> dit doctoraat is het herkennen en analyseren <strong>van</strong> menselijke gedragingen met meerdere camera's. De toepassingen<br />
liggen in de niet-traditioniële bewakingssector, b.v. voor het monitoren <strong>van</strong> zieke of oudere mensen, enerzijds om probleemsituaties te detecteren,<br />
anderzijds om revalidatie te bevorderen.<br />
Organisaties:<br />
• Vakgroep Telecommunicatie en informatieverwerking<br />
Onderzoekers:<br />
• Hamid Aghajan