Data Efficient Deep Neural Networks with Application to Drug Design and Discovery

Nykyaikaisilla syvillä neuroverkkoilla (engl. DNN, Deep Learning) on ollut mullistava vaikutus monilla aloilla, mutta usein hyvien tulosten saavuttaminen vaatii satoja tuhansia (mieluiten miljoonia) datanäytteitä. Tämä johtuu siitä, että nämä mallit sisältävät miljoonia opittavia parametreja. Monissa sovelluksissa tällaisia datamääriä ei ole käytettävissä. Esimerkiksi lääketieteellisessä kuvantamisessa datan kerääminen vaatii harjaantunutta asiantuntijaa annotoimaan näytteitä, mikä on kallista ja aikaa vievää. Tässä tutkimusprojektissa kehitetään itseohjautuvia oppimismenetelmiä, joiden avulla syviä neuroverkkoja voidaan kouluttaa vain kourallisella annotoituja datanäytteitä. Vaikka fokus on lääketutkimuksen tarpeissa, nämä menetelmät ovat yleiskäyttöisiä ja niitä voidaan soveltaa myös esimerkiksi kuvien, tekstin tai puheen mallintamisessa.