Komplexität erschließen - Hanna Tserans Dissertation über Deep Maxout Neural Networks

Hanna Tseran hat ihre Promotion zu Aktivierungsfunktionen in neuronalen Netzen erfolgreich abgeschlossen. Im Matsuo-Labor an der Universität Tokio wird sie ihre Forschung in Deep Learning fortsetzen. Gut gemacht, Hanna! Wir senden unsere besten Wünsche!

Das Lernen mit neuronalen Netzen hängt von der jeweiligen Parametrisierung der durch das Netz dargestellten Funktionen ab, d.h. von der Zuordnung von Parametern zu Funktionen. Es ist zudem abhängig von den Eigenschaften der Funktionen, die bei der Initialisierung typische Parameter zugewiesen bekommen plus zusätzlicher die Parameter, die beim Training der Netze entstehen. Die Aktivierungsfunktion ist ein kritischer Aspekt innerhalb des Netzwerkkonstrukts, der dessen Funktionseigenschaften beeinflusst und näher untersucht werden muss. Hannas Dissertation beschäftigt sich vor allem mit der Analyse des erwarteten Verhaltens von Netzwerken mit Multi-Argument-, sog. Maxout-Aktivierungsfunktionen. Diese Forschungsergebnisse erweitern nicht nur die praktische Anwendbarkeit von Maxout-Netzen, sondern tragen auch zu einer weit die über die üblichen Möglichkeiten hinausgehenden theoretischen Erforschung von Aktivierungsfunktionen bei. Hanna glaubt fest daran, dass ihre Arbeit die Erforschung von Aktivierungsfunktionen und komplizierten neuronalen Netzarchitekturen voranbringen wird. Ihre Dissertation mit dem Titel "Expected Complexity and Gradients of Deep Maxout Neural Networks and Implications to Parameter Initialization" wurde von Guido Montúfar und Bernd Sturmfels betreut.

Hanna hat ein breites Interesse am maschinellen Lernen, wobei sie sich vor allem auf die mathematischen Aspekte konzentriert. Besonders fasziniert ist sie von der Deep-Learning-Theorie. Sie ist davon überzeugt, dass sie unser Verständnis der Mechanismen des maschinellen Lernens verbessern, die sachkundige Entwicklung von maschinellen Lernmodellen erleichtern und dazu beitragen kann, positive Auswirkungen auf die Gesellschaft zu erzielen. In ihrer derzeitigen Position als Projektforscherin im Matsuo-Labor an der Universität Tokio in Japan plant sie, dieses Ziel weiter zu verfolgen.

Ursprünglich stammt Hanna Tseran aus Minsk, Belarus. Im Jahr 2015 erwarb sie an der Belarussischen Staatlichen Universität den Abschluss als Fachinformatikerin und 2018 den Master-Abschluss an der Graduate School of Information Science and Technology der Universität von Tokio. Danach arbeitete sie ein Jahr lang als Research Software Engineer bei Microsoft in Großbritannien, bevor sie 2020 ihre Promotion an unserem MPI MiS in Leipzig antrat. Sie verfügt über umfangreiche Erfahrungen in Forschung und Softwareentwicklung. Vor ihrem Masterstudium arbeitete sie als Software-Ingenieurin und absolvierte später Praktika unter anderem bei Google, Amazon und RIKEN.