הפקולטה להנדסה ע"ש איבי ואלדר פליישמן

14 מרץ 2017

פרופ' יוסי רוזנוקס בהרצאה מרתקת "להיות הדבר הבא"

ידיעות נוספות בנושא

EE Seminar: Signal Modeling: From Convolutional Sparse Coding to Convolutional Neural Networks

(The talk will be given in English)

Speakers: Vardan Papyan & Yaniv Romano
Computer Sciences Faculty, Technion

Monday, April 3^rd, 2017
15:00 - 16:00

Room 011, Kitot Bldg., Faculty of Engineering

Signal Modeling: From Convolutional Sparse Coding to Convolutional Neural Networks

Abstract

Within the wide field of sparse approximation, convolutional sparse coding (CSC) has gained increasing attention in recent years. This model assumes a structured-dictionary built as a union of banded Circulant matrices. Most attention has been devoted to the practical side of CSC, proposing efficient algorithms for the pursuit problem, and identifying applications that benefit from this model. Interestingly, a systematic theoretical understanding of CSC seems to have been left aside, with the assumption that the existing classical results are sufficient.

In this talk we start by presenting a novel analysis of the CSC model and its associated pursuit. Our study is based on the observation that while being global, this model can be characterized and analyzed locally. We show that uniqueness of the representation, its stability with respect to noise, and successful greedy or convex recovery are all guaranteed assuming that the underlying representation is locally sparse. These new results are much stronger and informative, compared to those obtained by deploying the classical sparse theory.

Armed with these new insights, we proceed by proposing a multi-layer extension of this model, ML-CSC, in which signals are assumed to emerge from a cascade of CSC layers. This, in turn, is shown to be tightly connected to Convolutional Neural Networks (CNN), so much so that the forward-pass of the CNN is in fact the Thresholding pursuit serving the ML-CSC model. This connection brings a fresh view to CNN, as we are able to attribute to this architecture theoretical claims such as uniqueness of the representations throughout the network, and their stable estimation, all guaranteed under simple local sparsity conditions. Lastly, identifying the weaknesses in the above scheme, we propose an alternative to the forward-pass algorithm, which is both tightly connected to deconvolutional and recurrent neural networks, and has better theoretical guarantees.

03 באפריל 2017, 15:00

חדר 011, בניין כיתות-חשמל

14 מרץ 2017

מלגת הנשיא לפוסט דוקטורנטית לנועה מתוקי, שסיימה לאחרונה דוקטורט

ידיעות נוספות בנושא

Biomedical Engineering department seminar

19 במרץ 2017, 14:30

Speaker: Ariel Birenbaum,

School of Electrical Engineering

Multi-View Longitudinal CNN for Multiple Sclerosis Lesion Segmentation

Abstract

This work presents a deep-learning based automated method for Multiple Sclerosis (MS) lesion segmentation. Automatic segmentation of MS lesions is a challenging task due to their variability in shape, size, location and texture in brain Magnetic Resonance (MR) images.

In the proposed scheme, MR intensities and White Matter priors are used to extract candidate lesion voxels, following which Convolutional Neural Networks are utilized for false positive reduction and to obtain the final segmentation result.

The proposed networks use longitudinal data, a novel contribution in the domain of MS lesion analysis.

The method obtained state-of-the-art results on the 2015 Longitudinal MS Lesion Segmentation Challenge dataset, and achieved a performance level equivalent to a trained human rater. Automatic segmentation methods, such as the one proposed, once proven in accuracy and robustness, can help diagnosis and patient follow-up while reducing the time consuming need of manual segmentation.

העבודה נעשתה בהנחיית פרופ' חיית גרינשפן מהמחלקה להנדסה ביו-רפואית,

אוניברסיטת תל-אביב

ההרצאה תתקיים ביום ראשון 19.03.17, בשעה 14:30

בחדר 315, הבניין הרב תחומי, אוניברסיטת תל אביב

EE Seminar: Multi-objective Topology and Weight Evolution of Neuro-controllers and its Application for Robot Navigation

Speaker: Omer Abramovich

M.Sc. student under the supervision of Prof. Emilia Friedman & Dr. Amiram Moshaiov

Wednesday, March 22^nd 2017 at 15:30

Room 011, Kitot Bldg., Faculty of Engineering

Multi-objective Topology and Weight Evolution of Neuro-controllers and its Application for Robot Navigation

Abstract

In the last decades, there has been a substantial increase of interest in the field of evolutionary neural networks with an emphasis on evolutionary robotics. Neuroevolution combines the adaptation power of neural networks with the advantages of evolutionary search to find networks capable of solving highly complex tasks.

Evolving neuro-controllers for robot applications might be a hard challenge for standard evolutionary search techniques. Neuroevolution aims to provide some tailored algorithms to such problems. One example is NEAT, which is an evolutionary algorithm to find not only the optimal connection weights, but also the optimal topology of a network. However, such TWEANN (Topology and Weight Evolution of Artificial Neural-Networks) algorithms are commonly restricted to single objective evolution, and their adjustment for multi-objective problems is in its infancy stage.

In this thesis, we propose a novel fully automated approach to evolve topologies and weights of neuro-controllers for multi-objective problems and in particular for navigation application. The suggested approach dismisses any prerequisites of expert knowledge regarding the network topology and enables to achieve better performances than expert designed neuro-controllers. A key component of this study is the proposed modification to NEAT, which results in an innovative generic multi-objective TWEANN algorithm. The suggested algorithm is proven to outperform state-of-the-art multi-objective TWEANNs in the tested cases of this study.

22 במרץ 2017, 15:30

חדר 011, בניין כיתות-חשמל

עודכן: 13.03.2017

אנו מבקשים להביא לידיעתכם את תקנון הסמינרים העדכני.

להלן התקנון:

סמינר מחלקתי

התלמידים חייבים להשתתף בסמינרים של בית הספר/המחלקה בהיקף של 14 סמינרים לתלמידים במסלול מחקרי ו-8 סמינרים במסלול עם פרויקט.

ניתן להשתתף בסמינרים של מחלקות אחרות ופקולטות אחרות בנושאים הרלוונטיים לתחום המחקר של הסטודנט, בהיקף של 50% מחובת הסמינרים בתכנית הלימודים, עד 7 סמינרים בנתיב המחקרי (מתוך 14 סמינרים) ועד 4 סמינרים בנתיב פרויקט (מתוך 8 סמינרים).(1) השתתפות בסמינרים של מחלקות/פקולטות אחרות תתקבל בתנאי שנוכחות בסמינרים כאמור תתועד ותאושר מראש על ידי רכז הסמינרים של יחידת הלימוד והמנחה.

כנס מדעי- במקרה של השתתפות בכנס מדעי, יגיש התלמיד בקשה מראש לאחראי על הסמינרים והמנחה לזיכוי משעות סמינר. המנחה ורכז הסמינרים יחליטו על היקף שעות הסמינר בהן יזוכה התלמיד כל מקרה יישקל לגופו.

תלמידים בתכנית להנדסת חשמל חייבים לשמוע 14 סמינרים בנתיב תזה ו – 8 סמינרים בנתיב פרויקט. כנס מדעי לא נותן קרדיט לחישוב שעות סמינר.

חובת השתתפות בסמינרים במחלקה למדע והנדסה של חומרים

על הסטודנט מוטלת חובת השתתפות בסמינרים בתחום מדע והנדסה של חומרים המאורגנים ע"י המחלקה או ע"י יחידות אקדמיות אחרות באוניברסיטת תל-אביב. במהלך התואר יש להשתתף ב-14 סמינרים – תלמידים בנתיב פרוייקט, ו-8 סמינרים – לתלמידים בנתיב תיזה. באחריות הסטודנט למלא טופס השתתפות בסמינרים (הורד אותו כאן)[1] ולהחתים בתום כל סמינר את האחראי האקדמי או חבר סגל אקדמי אחר הנוכח בסמינר. השתתפות, כמרצה או כמציג פוסטר, בכנס מדעי בתחום החומרים שנמשך לפחות יום אחד תזכה את הסטודנט ב-4 שעות סמינר. במהלך התואר ניתן לקבל קרדיט זה פעם אחת בלבד. על התלמיד להגיש בקשה למרכז הסמינרים המחלקתי. לבקשה יש לצרף את המלצת המנחה הקבוע, תוכנית הכנס עם סימון ההצגה של התלמיד, ואסמכתא להשתתפות בכנס. עם השלמת חובת ההשתתפות בסמינרים הסטודנט יגיש אותו למזכירות סטודנטים, והוא יתויק בתיקו האישי ויהווה אחד התנאים לסגירת התואר.

(1) קורסים של מכון גורדון לאנרגיה יוכרו כקורסים מרוכזים לצורך חובת השתתפות בסמינרים, על פי אישור מראש מהרכז האקדמי של הסמינרים בבית הספר/המחלקה המעניק/ה את התואר.

לוח אירועים פקולטי - סמינרים מחלקתיים מפורסמים בלוח האירועים הפקולטי

[1] http://www6.tau.ac.il/matnano/images/stories/docs/attendance_form.pdf

3.4. שלבי הלימודים

ככלל, לימודי התואר השני בפקולטה להנדסה כוללים שני שלבים: הראשון – "לימודי צבירה" והשני - לימודים "מן המניין". תלמידים ב"זמן מלא" יתקבלו ישירות לשלב "מן המניין". מועמדים לתואר שני הנדרשים ללימודי השלמה – ראו סעיף 4 ד'.

3.4.1. שלב לימודי הצבירה

השלב הראשון ללימודים (לתלמידים שאינם ב"זמן מלא") הוא שלב לימודי הצבירה שבמהלכו יצבור התלמיד נ.ז. לתואר שני. תוכניות הלימודים השנתיות יאושרו בשלב זה על ידי מנחה זמני או מנחה מלווה.

תלמיד המעוניין בנתיב לימודים מחקרי יכול להתקשר עם מנחה לעבודת התזה כבר בשלב הצבירה, ולהתקדם בעבודת המחקר בעודו בשלב הצבירה.

יש לסיים את הלימודים בשלב הצבירה במהלך שלוש שנים אקדמיות לכל היותר. בכל שנה במהלך לימודי הצבירה יש ללמוד לפחות 3 קורסים הנדסיים ולסיים לפחות שניים מהם בהצלחה. חרג התלמיד ממכסת הזמן התקנית ללימודים בשלב הצבירה או למד פחות מ- 3 קורסים בשנה, יופסקו לימודיו כאמור בסעיף 6.1.

תלמיד בשלב לימודי הצבירה חייב לסיים בהצלחה את קורסי החובה של בית הספר/המחלקה (לרבות רישום חוזר לאחר כשלון - אם נדרש) לא יאוחר מתום הסמסטר הרביעי ללימודיו. מומלץ לכן להירשם לכל קורסי החובה במהלך השנה הראשונה ללימודים, כך שניתן יהיה לתקן כשלון, במידה ויהיה כזה, עד תום השנה השנייה ללימודים.

התנאים למעבר לשלב "מן המניין":

התקשרות עם מנחה קבוע או הודעה על בחירת נתיב לימודים פרויקט גמר (ללא תיזה).
צבירת לפחות 12 נ.ז. ולכל היותר 18 נ.ז. בקורסים הנדסיים.

הערה: הקורסים הנצברים יהיו בציון ממוצע של 70 לפחות, וציון 80 לתלמידים המתכוונים ללמוד ב"זמן מלא", וכן נדרש לסיים בהצלחה את כל קורסי החובה של בית הספר/המחלקה.

תלמיד בשלב לימודי הצבירה העובר ללימודים ב"זמן מלא" יעבור למעמד "מן המניין".

בכל נתיב לימודים על התלמיד ללמוד לפחות 25% מתוכנית הלימודים, קורסים הנדסיים במעמד "מן המניין".

בשלב ה"צבירה" ישלם התלמיד שכר לימוד לפי מספר השעות הנלמדות בפועל, שיחויבו על פי התעריף הנהוג באוניברסיטה בלימודי התואר שני ללא דרישת מינימום 50% שכר לימוד לשנה וחיוב בגרירה. עם המעבר למסלול הלימודים "מן המניין", יוכרו לתלמיד כל הקורסים שלמד בלימודי הצבירה וכן ייזקף לזכותו תשלום שכר הלימוד ששילם בגינם.

בסיום לימודי הצבירה בהצלחה, על התלמיד לפנות למזכירות תארים מתקדמים בפקולטה בבקשה לעבור למעמד "מן המניין" באחר מנתיבי הלימודים - נתיב מחקרי או פרויקט גמר.

לא פנה התלמיד מיוזמתו כאמור, והוא זכאי לעבור למעמד "מן המניין", יועבר למעמד "מן המניין" בנתיב פרויקט גמר (כברירת מחדל). אם אינו זכאי (קרי, בוגר פקולטה שאינה הנדסית ולא התקשר עם מנחה), יופסקו לימודיו.