YIP+ Learning from learned representations

Læring fra lærte repræsentationer 

Maskinlæring har potentialet til at guide eksperimentelle videnskaber gennem junglen af ikke-udførte eksperimenter mhp. at fokusere på de mest informative. Dagens modeller kan ofte fange mekanismerne bag komplekse fænomener, men de er svære for mennesker at fortolke. Dette begrænser deres værdi, når der skal udvikles nye hypoteser. Dette projekt skaber geometriske værktøjer til at fortolke og lære fra tæthedsestimatorer. Projektet ansætter en ph.d.-studerende og en postdoc.