@phdthesis{01JZMRMSF8A6SNXX5WYQHE83WK,
  abstract     = {{Elke dag worden we omringd door een kakofonie aan geluiden. Onze hersenen zijn echter in staat om deze geluidsstroom te ontleden, achtergrondruis te negeren en zich te concentreren op wat echt belangrijk is. Dit menselijk vermogen om betekenisvolle geluiden uit een complexe omgeving te filteren, is nog steeds een grote uitdaging voor kunstmatige intelligentie. In mijn doctoraatsonderzoek ontwikkelde ik nieuwe methoden om neurale netwerken te verbeteren bij het verwerken van geluid, geïnspireerd door menselijke cognitieve processen.

Door principes uit de cognitieve wetenschappen toe te passen, onderzocht ik hoe kunstmatige neurale netwerken kunnen leren om geluiden beter te classificeren, detecteren en extraheren. Ik paste drie biologische concepten toe: cyclische verwerking (waarbij informatie meerdere keren wordt geanalyseerd), duale verwerking (een combinatie van snelle, automatische reacties en trage, bewuste besluitvorming) en efficiënte langeafstandverbindingen binnen neurale netwerken. Mijn onderzoek toonde aan dat deze technieken niet alleen leiden tot nauwkeurigere en robuustere AI-systemen, maar ook nieuwe inzichten geven in de overeenkomsten tussen biologische en kunstmatige intelligentie. Deze bevindingen kunnen bijdragen aan toepassingen zoals medische diagnostiek, natuurbescherming en spraakverwerking.}},
  author       = {{Grzywalski, Tomasz Leszek}},
  isbn         = {{9789463559904}},
  keywords     = {{machine learning,artificial listening,artificial neural networks,human cognition,broiler vocalization,heart murmurs,salient sound extraction,speech enhancement,artificial intelligence}},
  language     = {{eng}},
  pages        = {{XXX, 242}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Advanced techniques for isolating sounds of interest in AI listening}},
  year         = {{2025}},
}