AWS と Caltech が新しい研究協力パートナーシップを通じて AI および Machine Learning を促進

Ames 教授の研究は、ロボット工学、非線形制御、ハイブリッドシステム、自律システム、およびサイバーフィジカルシステムにわたります。特に、ロボットシステムの基礎論と実験的な実現が中心です。教授の研究室では、新しい二足歩行ロボットと人工器官を設計、構築、テストしています。人間のようなロボットの二足歩行を実現し、これらの機能をロボット補助器具に変換することを目標としています。

Anandkumar 教授の研究対象分野は、大規模な Machine Learning、非凸最適化、高次元統計です。特に、Machine Learning のテンソルアルゴリズムの開発と分析の陣頭指揮を執っています。テンソル分解方法は、どれも非常に類似しており、大規模なデータセットに対してスケーラブルです。大域的最適に収束することが保証されており、トピックモデル、コミュニティモデル、隠れマルコフモデルなど、多数の確率モデルに対して一致推定値を生成します。より一般的に、Anandkumar 教授は、鞍点を効率的に抜けるなど、非凸最適化を高速化するための効率的な手法を研究しています。

Perona 教授の研究は、人間の視覚の仕組みを解明し、視覚を持つマシンの構築方法を編み出すことが主眼です。Perona 教授は、視覚認識 (特に視覚分類) の分野を主に担当しています。人間の最小限の監視でマシンが蛙、車、顔、木などを認識することを学習する方法、大規模なイメージのコレクションおよびウェブをイメージのコンテンツ別に検索可能にする方法を研究しています。同僚の Anderson 教授および Dickinson 教授と協力し、Perona 教授はハエやネズミの視覚システム、そのアクションとアクティビティを計測するための統計的手法の構築に取り組んでいます。これにより、遺伝学者および神経行動学者は、遺伝子、脳、行動の関係を調査できるようになります。Perona 教授は、人間がイメージのコンテンツを検索して認識するなど、視覚タスクの処理方法に関する研究にも関心を持っています。教授の最近のプロジェクトの 1 つでは、ウェブでの何千という人々の視覚能力をイメージのコンテンツの分類と検索に役立てる方法を研究しています。

Tropp 教授の研究は、応用数学、電気工学、コンピュータサイエンス、および統計学のインターフェイスにあります。この研究は、データ分析、スパースモデリング、確率変数による線形代数、およびランダム行列理論の理論的、計算的側面に関連します。

Wierman 教授の研究は、クラウドコンピューティング、経済学、エネルギーという、一見異なる 3 つの分野にわたります。これらの多様な分野は、それぞれが再生可能エネルギーを IT (より一般的には電力供給網) に容易に組み入れるという、より広い研究目標の達成に不可欠です。教授の研究は、分野だけでなく手法においても多様です。研究では、アルゴリズム、ネットワーキング、オペレーションズリサーチ、経済学、およびコントロールのツールが動員されます。研究範囲は、理論から始まって工業移転への実装まで及びます。

Yue 教授の研究は、統計的機械学習の理論と応用が主眼です。教授は、特に構造予測、時空間推論、適応学習システム、および人間参加型 (human-in-the-loop) 機械学習の新しい方法の開発に関心があります。過去に、教授の研究は情報検索、コンテンツ推薦、テキスト分類、多機能なユーザー インターフェイスからの学習、暗黙のヒューマンフィードバック、データ駆動アニメーション、スポーツ分析、ロボット工学のポリシー学習、最適経路指定および割当問題に適応されています。