(Fellur niður) Miðbiksmat í tölvunarfræði - Surbhi Sharma

Miðbiksmatið fellur niður vegna veikinda, ný tímasetning auglýst síðar.

Hlekkur á streymi: https://eu01web.zoom.us/j/6472509958

Nemandi: Surbhi Sharma

Titill verkefnis: Notkun djúpra lærdómsaðferða á ofurtölum til flokkunar á landþekju og landnýtingu út frá fjölhátta mælingum af jörðinni.

Doktorsnefnd: Gabriele Cavallaro - Head of Simulation and Data Lab Remote Sensing (Juelich Supercomputing Centre) and an Associate Professor University of Iceland.
Morris Riedel - Professor - Head of National Competence for HPC & AI.
Claudia Paris - Assistant Professor in the Department of Natural Resources, Faculty of Geo-information Science and Earth Observation at University of Twente.

Ágrip

Aukið aðgengi að háupplausnamælingum af jörðinni hefur stórbætt getu okkar til að fylgjast með yfirborði hennar. Samtímis hefur átt sér stað mikil framþróun í aðferðum á sviði fjarkönnunar sem nýta gervigreind, sér í lagi aðferðum sem byggja á djúpum tauganetum, t.d. aðferðum til að fylgjast með breytingum á landþekju og landnýtingu sem stafa af mannavöldum eða náttúruhamförum.Forsenda fyrir notkun flestra þessara aðferða er sú að mikið magn af merktum gögnum sé til staðar. Sú er ekki alltaf raunin og því er þörf á að þróa gervigreindaraðferðir sem hægt er að flytja frá einu verkefni yfir á annað, án mikils tilkostnaðar. Í verkefninu er leitast við að nýta opin fjölhátta gagnasöfn, sér í lagi, fjarkönnunargögn og myndir sem innihalda staðsetningargögn, til að bæta líkön til flokkunar á landþekju og landnýtingu. Lögð er áhersla á að reikniritin nýti eiginleika ofurtölva til að flýta útreikningum.