Özgeçmiş: Berat Denizdurduran
İstanbul Teknik Üniversitesi Elektronik Mühendisliği bölümünde lisans ve yüksek lisans eğitimini tamamladıktan sonra, halen Ecole Polytechnique Federale de Lausanne’da (EPFL), Sinirbilim alanında doktora çalışmalarıma devam etmekteyim.
İlgi alanlarım dinamik sistemler ve modelleme başta olmak üzere, biyomekanik tasarım, sinir ağları, kontrol teorisi ve biyolojik motor kontrol sistemleri olarak sıralanmaktadır.
Doktora çalışmalarım, biyomekanik sistemlerle ile sinir ağlarının birbirleriyle olan dinamik ilişkisi ve bu ilişki neticesinde oluşan kapalı çevrim motor kontrol sistemlerinin modellenmesi ve bu modellerin öğreticili/öğreticisiz öğrenme algoritmalarıyla eğitimi üzerinde yoğunlaşmaktadır.
Özet: Nörorobot-Nöromorfik
Yapay sinir ağları, özellikle son yıllarda derin ağlar (deep neural networks) adıyla edindiği popülerlikle, teknolojik anlamda gündelik hayatımızda birçok yerde karşılaşabildiğimiz problemlere çok başarılı cözümler sunabilmektedir. Görüntü tanıma başta olmak üzere data analizi, sınıflandırma, öbekleme problemlerinde ayrıca robotik gibi sürekli zaman problemlerinde uygulama alanlari bulabilmektedir.
Bu uygulamaların gerçeklilik kazanabilmesi için yapay sinir ağlarının problem tanımına uygun yöntemlerle eğitilmesi gerekmekte ve de problem tanımına bağlı olmak üzere başta eğiticili/eğiticisiz ve pekiştirmeli öğrenme olmak uzere sadece matematiksel yöntemlere dayanan ya da biyolojik temelleri olan eğitim metodları kullanılmaktadır.
Bu sunumda çeşitli eğiticisiz öğrenme metodlarıyla biyolojik temellere dayanan Hebbian öğrenme metodlarının birbirleriyle ilişkisi tartışılacak ve bu ilişkiden yararlanarak örnek olarak bir Hebbian öğrenme metodu sayesinde hem nonlineer bir sistem olan hem de ihtiyaç fazlası (redundancy) özelliği ile bilinen kas gruplarında sensör bilgilerinin nasıl yapay sinir ağlarına entegre edileceği ve bu sayede kapalı çevrim kontrol problemine dönüşen bu problemin çözümünün biyolojik gerçekliliğinin ne kadar modelleyebildiği incelenecektir. Ayrıca biyolojiden esinlenen bu yaklaşımın sürekli zaman kontrol problemi olan robot kontrolünde pekiştirmeli öğrenme ya da optimal kontrol metodlarına getirdiği avantajların neler olduklarından bahsedilecektir.