Jimmy Aronsson

Jag undersöker maskinlärning ur en matematisk synvinkel. Mer specifikt forskar jag om group equivariant convolutional neural networks (G-CNN), som ger ett fascinerande perspektiv på de högst framgångsrika CNNs som används för bildklassificering. En fördel med G-CNNs jämfört med konventionella CNNs är att de kan användas för data definierad på allmänna homogena rum, mer generellt än bilddata. En annan fördel är att det matematiska ramverk som omger G-CNNs inkluderar kraftfulla verktyg från representationsteori och differentialgeometri.

Mitt projekt är del av Wallenberg AI, Autonomous Systems and Software Program (WASP), ett storskaligt, nationellt forskningsprogram. http://wasp-sweden.org/