Data: 19/11, às 10h30
Local: Sala da Congregação da FEEC
A Self-Learning Cognitive Architecture Exploiting Causality from Rewards
Jose C. Principe, Ph.D.
Distinguished Professor of Electrical Engineering
University of Florida
Essa apresentação descreve nossos esforços para abstrair do sistema visual animal os princípios computacionais para reconhecer objetos em vídeo sem usar rótulos e diminuindo a largura de banda computacional necessária. Desenvolvemos uma arquitetura hierárquica e distribuída de sistemas dinâmicos que se auto-organiza e imita a visão foveal nos humanos, utilizando um critério de Bayes empírico. O sistema aprende por meio de reforço com o ambiente e utiliza a causalidade para identificar objetos de interesse. Quando treinado em videogames, a velocidade de aprendizado é significativamente mais rápida em comparação com os algoritmos tradicionais de Aprendizado por Reforço Profundo.
José C. Principe (M’83-SM’90-F’00) é Professor Distinto de Engenharia Elétrica e de Computação e de Engenharia Biomédica na Universidade da Flórida, onde leciona processamento avançado de sinais, aprendizado de máquina e modelagem de redes neurais artificiais (ANNs). Ele é o Professor Catedrático Eckis e o Fundador e Diretor do Laboratório de Neuroengenharia Computacional da Universidade da Flórida (CNEL) www.cnel.ufl.edu. Sua principal área de interesse é o processamento de sinais variáveis no tempo com modelos neurais adaptativos. O Laboratório CNEL tem estudado princípios de reconhecimento de padrões e sinais baseados em critérios de teoria da informação (entropia e informação mútua).
Dr. Principe é Fellow do IEEE e recebeu o prestigioso Prêmio de Pioneirismo em Redes Neurais do IEEE em 2012. Ele foi Presidente do Comitê Técnico de Redes Neurais da Sociedade de Processamento de Sinais do IEEE, Ex-Presidente da Sociedade Internacional de Redes Neurais, e Ex-Editor-Chefe da revista IEEE Transactions on Biomedical Engineering. Dr. Principe possui mais de 1000 publicações e um índice H de 100 (Google Scholar). Ele orientou 108 dissertações de doutorado e 65 teses de mestrado. Em 2000, ele escreveu um livro eletrônico interativo intitulado “Neural and Adaptive Systems”, publicado pela John Wiley and Sons, e, mais recentemente, coautorou vários livros como “Brain Machine Interface Engineering” pela Morgan and Claypool, “Information Theoretic Learning” pela Springer, e “Kernel Adaptive Filtering” pela Wiley.