Doktorsvörn í rafmagns- og tölvuverkfræði - Burkni Pálsson

Streymi: https://livestream.com/hi/doktorsvornburknipalsson

Doktorsefni: Burkni Pálsson

Heiti ritgerðar: Aðgreining fjölrásamynda með sjálfkóðurum

Andmælendur: Dr. Jie Chen, prófessor við Northwestern Polytechnical háskólann í Kína og Dr. Ioannis Schizas, dósent við Texas háskólann í Arlington, Texas, Bandaríkjunum. 

Leiðbeinendur: Dr. Jóhannes R. Sveinsson og Dr. Magnús Örn Úlfarsson, prófessorar við Rafmagns- og tölvuverkfræðideild Háskóla Íslands.

Einnig í doktorsnefnd: Dr. Jocelyn Chanussot, prófessor við Grenoble Institute of Technology in Grenoble, Frakklandi.

Doktorsvörn stýrir: Dr. Lotta María Ellingsen, dósent og deildarforseti Rafmagns- og tölvuverkfræðideildar.

Ágrip

Í ljósfræðilegri fjarkönnun (e. remote sensing) eru fjölrásamyndir (e. hyperspectral images) myndir sem teknar eru af yfirborði jarðar úr flugvélum eða gervitunglum og hafa tugi eða hundruði rása (e. channels) þar sem hver rás nær yfir þröngt tíðnisvið ljóss. Hver myndeining (e. pixel) er því litróf og því er hægt að greina hvaða hrein efni eru á myndinni. Hinsvegar er rúmupplausn slíkra mynda lág og því oft fleiri en eitt efni innan hverrar myndeiningar. Aðgreining fjölrásamynda (e. blind hyperspectral unmixing) er aðgerð þar sem fundið er hver róf hreinna efna eru í myndinni og hversu mikið er af hverju efni í hverri myndeiningu. Efni ritgerðarinnar er aðgreining fjölrásamynda með sjálfkóðurum (e. autoencoders) byggðum á djúpum lærdómi (e. deep learning). Tvær aðferðir byggðar á sjálfkóðurum eru kynntar og rannsakaðar. Báðar aðferðirnar leitast við að nýta sér rúmfræðilega fylgni rófa í fjölrásamyndum til að bæta árangur aðgreiningar. Ein aðferð með að nýta sér fjölbeitingarlærdóm (e. multitask learning) og hin með að nota sjálfkóðara útfærðan með földunartaugnaneti (e. convolutional neural network). Hvortveggja bætir samkvæmni og hæfni fjölrásagreiningarinnar. Ennfremur inniheldur ritgerðin yfirgripsmikið yfirlit yfir þær sjálfkóðaraaðferðir sem hafa verið birtar ásamt greinargóðri umræðu um mismunandi gerðir sjálfkóðara og útfærslur á þeim. í lok ritgerðarinnar er svo að finna gagnrýninn samanburð á 11 mismunandi aðferðum byggðum á sjálfkóðurum. Brottnáms (e. ablation) tilraunir eru gerðar til að svara spurningunni hvers vegna sjálfkóðarar eru svo árangursríkir í fjölrásagreiningu og stuttlega rætt um hvað framtíðin ber í skauti sér varðandi aðgreiningu fjölrásamynda með sjálfkóðurum.

Um doktorsefnið

Burkni Pálsson fæddist í Reykjavík árið 1974. Hann útskrifaðist með B.Sc. gráður í eðlisfræði og stærðfræði frá Háskóla Íslands árið 1999 og B.Sc. gráðu í orku- og umhverfistæknifræði frá sama skóla árið 2012. Árið 2017 hóf Burkni meistara- og doktorsnám í rafmagns-og tölvuverkfræði við Háskóla Íslands og útskrifaðist með meistaragráðu úr þeirri deild árið 2020. Burkni hefur frá árinu 2012 starfað sem tæknistjóri Geosilica Iceland ásamt því að stunda kennslu við tæknifræðibraut Háskóla Íslands frá árinu 2013 til 2018. Rannsóknaráherslur Burkna eru merkjafræði, fjarkönnun, vélræn lærdómur, og djúpur lærdómur.