Academic Bibliography

 Search 200 years of publications by Ghent University researchers.
Advanced search
1 file | 5.29 MB
Add to list
  1. Search results
  2. Model reduction in deep active inference

Model reduction in deep active inference

Samuel Wauthier (UGent)
(2025)
Author
Promoter
(UGent) , Tim Verbelen and Bram Vanhecke
Organization
Abstract
De huidige modellen die worden gebruikt bij machinaal leren (ML), zoals GPT-4o, tonen aan dat er nood is aan kleinere modellen in dit vakgebied. Deze thesis stelt een aantal technieken voor die gebruikt kunnen worden voor het reduceren van modellen bij ML met actieve gevolgtrekking, een theorie afkomstig uit de neurowetenschappen die beschrijft hoe levende wezens leren en ageren. Er worden specifiek 4 methodes voorgesteld die gebruik maken van verschillende wiskundige methodes: 2 methodes die gebaseerd zijn op een implementatie met diepe neurale netwerken, de meest geavanceerde techniek die op dit moment gebruikt wordt binnen ML, en 2 methodes die gebaseerd zijn op een implementatie met tensornetwerken, een techniek die aan het overlopen is van uit de veeldeeltjesfysica. Het onderzoek toont aan dat het nut van elke techniek situatieafhankelijk is, waarbij aspecten zoals schaalbaarheid en leertiming (online vs. offline) van belang zijn.

Downloads

  • Download
    (...).pdf
    • full text (Published version)
    • |
    • UGent only (changes to open access on 2030-03-12)
    • |
    • PDF
    • |
    • 5.29 MB

Citation

Please use this url to cite or link to this publication:

MLA
Wauthier, Samuel. Model Reduction in Deep Active Inference. Ghent University. Faculty of Engineering and Architecture, 2025.
APA
Wauthier, S. (2025). Model reduction in deep active inference. Ghent University. Faculty of Engineering and Architecture, Ghent, Belgium.
Chicago author-date
Wauthier, Samuel. 2025. “Model Reduction in Deep Active Inference.” Ghent, Belgium: Ghent University. Faculty of Engineering and Architecture.
Chicago author-date (all authors)
Wauthier, Samuel. 2025. “Model Reduction in Deep Active Inference.” Ghent, Belgium: Ghent University. Faculty of Engineering and Architecture.
Vancouver
1.
Wauthier S. Model reduction in deep active inference. [Ghent, Belgium]: Ghent University. Faculty of Engineering and Architecture; 2025.
IEEE
[1]
S. Wauthier, “Model reduction in deep active inference,” Ghent University. Faculty of Engineering and Architecture, Ghent, Belgium, 2025.
@phdthesis{01JN5TRZEYFH66QYJC8DBG0VM5,
  abstract     = {{De huidige modellen die worden gebruikt bij machinaal leren (ML), zoals GPT-4o, tonen aan dat er nood is aan kleinere modellen in dit vakgebied. Deze thesis stelt een aantal technieken voor die gebruikt kunnen worden voor het reduceren van modellen bij ML met actieve gevolgtrekking, een theorie afkomstig uit de neurowetenschappen die beschrijft hoe levende wezens leren en ageren. 

Er worden specifiek 4 methodes voorgesteld die gebruik maken van verschillende wiskundige methodes: 2 methodes die gebaseerd zijn op een implementatie met diepe neurale netwerken, de meest geavanceerde techniek die op dit moment gebruikt wordt binnen ML, en 2 methodes die gebaseerd zijn op een implementatie met tensornetwerken, een techniek die aan het overlopen is van uit de veeldeeltjesfysica. Het onderzoek toont aan dat het nut van elke techniek situatieafhankelijk is, waarbij aspecten zoals schaalbaarheid en leertiming (online vs. offline) van belang zijn.}},
  author       = {{Wauthier, Samuel}},
  isbn         = {{9789463559621}},
  language     = {{eng}},
  pages        = {{XXIV, 182}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Model reduction in deep active inference}},
  year         = {{2025}},
}