Fortgeschrittene Themen in AI und Robotik

Zusammenfassung

Wearable Devices, kombiniert mit Methoden der Künstlichen Intelligenz (KI), können unser Leben erheblich und nachhaltig verbessern. Leben bringen - von verbesserter Patientenüberwachung und geringeren Gesundheitskosten bis hin zu verbesserter sportlicher Leistung und höherer Lebensqualität. Lebensqualität. Affective Computing nutzt die Kombination von Wearables und KI, um Methoden zur Verfolgung von Faktoren bereitzustellen, die mit folgenden Faktoren zusammenhängen affektiven Zuständen (z. B. Emotionen, kognitive Belastung und Stress). Solche Methoden haben wertvolle Anwendungsmöglichkeiten, einschließlich einer verbesserten Mensch-Computer-Interaktion und fortschrittlicher Werkzeuge für das Management der psychischen Gesundheit. In diesem Vortrag wird Dr. Gjoreski das Affektive Computing vorstellen und die Verarbeitungspipelines für maschinelles Lernen (ML) erläutern, die die rohe Sensordaten in wertvolle Informationen über menschliches Verhalten und affektive Zustände umwandeln können. Genauer gesagt, wird er Beispiele für klassisches (merkmalsbasiertes) ML und Deep-Learning-Ansätze im Affektiven Computing vorstellen. Er wird auch erörtern, wie diese Ansätze datenschutzfreundlicher und erklärbarer gemacht werden können.

Kurzer Lebenslauf

Martin Gjoreski erwarb seinen Doktortitel in Informatik am Jožef Stefan Institute, Slowenien, in der Abteilung für Intelligente Systeme. Seit 2021 ist er als Postdoktorand an der Fakultät für Informatik der Università della Svizzera italiana, Schweiz. Sein Forschungsinteresse gilt der Entwicklung von Methoden des maschinellen Lernens zur Überwachung menschlichen Verhalten. Gemeinsam mit mehreren Forschungsteams hat er fünf Machine-Learning-Wettbewerbe gewonnen, darunter die Sussex-Huawei Locomotion Challenge, in den Jahren 2018 und 2019. Im Jahr 2021 wurde er mit dem nationalen Preis "Jožef Stefan golden emblem" ausgezeichnet, der für eine herausragende Doktorarbeit in Slowenien. Im Jahr 2022 gehörte Dr. Gjoreski zu den besten 2 % der Wissenschaftler in der Welt (Kategorie "single-year impact" Kategorie).

Link: https://martingjoreski.github.io/

Relevante Literatur zu diesem Vortrag

1. M. Gjoreski, M. Ž. Gams, M. Luštrek, P. Genc, J. -U. Garbas and T. Hassan, "Machine Learning and End-to-End Deep Learning for Monitoring Driver Distractions From Physiological and Visual Signals," in IEEE Access, vol. 8, pp. 70590- 70603, 2020, doi: 10.1109/ACCESS.2020.2986810.

2. H. Gjoreski et al. 2023. OCOsense Glasses – Monitoring Facial Gestures and Expressions for Augmented HumanComputer Interaction. In Extended Abstracts of the 2023 CHI Conference on Human Factors in Computing Systems (CHI EA '23). Association for Computing Machinery, New York, NY, USA, Article 465, 1–4. https://doi.org/10.1145/3544549.3583918

3. Gjoreski, M., Kiprijanovska, I., Stankoski, S. et al. Facial EMG sensing for monitoring affect using a wearable device. Sci Rep 12, 16876 (2022). https://doi.org/10.1038/s41598-022-21456-1

Der Vortrag findet in englischer Sprache statt und richtet sich an die Studierenden und Mitarbeitenden der H-BRS. Interessierte sind herzlich eingeladen.