Grundläggande begränsningar för lärande i en gemenskapsstruktur

Forskningsområde: Slumpgrafer, nätverksteori, sannolikhet

Institution: Matematiska institutionen

Projekttitel: Grundläggande begränsningar för lärande i en gemenskapsstruktur

Projektsammanfattning

En viktig utmaning inom AI och maskininlärning är att hitta gränser för vad man kan lära sig om en uppsättning uppgifter, ett dataset: vad kan härledas realistiskt ur brusiga data. Här presenterar vi data som ett nätverk och ställer frågan om huruvida vi kan påvisa skillnaden mellan två nätverk, varav det ena innehåller ”gemenskaper” som representerar strukturen i uppgifterna. Projektet handlar om att undersöka under vilka omständigheter en lärandemodell kan upptäcka gemenskaper i data som inte är perfekta.

Vad ser du fram emot mest under ditt sabbatsår?

Möjligheten att kunna ägna tid åt att fundera över det här projektet och samverka med mina besökare och andra som har en sabbatsperiod. Jag anser att det är viktigt att alltid prata med forskare som använder nätverksdata, så att vi kan ta del av deras forskning för att se till att vi studerar korrekta nätverksegenskaper och att vi överväger användbara modeller så att vi kan upptäcka fel i nätverksdata.