البحث العلمي

الأبحاث والمنشورات

يدور بحثي حول بناء شبكات عصبية بيانية أعمق، وتحسين قدرة الروبوتات على الإدراك والتصرف، وقد بدأ كلاهما في جامعة دارمشتات التقنية.

المنشور

NeurIPS 2024

مؤتمر NeurIPS 2024، المسار الرئيسي

Graph Neural Networks Need Cluster-Normalize-Activate Modules (يفتح في نافذة جديدة)

Arseny Skryagin, Felix Divo, Mohammad Amin Ali, Devendra Singh Dhami, Kristian Kersting

يقدم البحث وحدة قابلة للإضافة إلى أي شبكة، تجمع خصائص العقد في عناقيد وتطبّع كل عنقود ثم تطبق عليه دالة تنشيط قابلة للتعلم. تحد الوحدة من التنعيم المفرط وتسمح ببناء شبكات عصبية بيانية أعمق.

أنا المؤلف الثالث من خمسة مؤلفين، وقد نشأت الفكرة الأساسية والمنهجية والتجارب والنتائج في رسالة الماجستير الخاصة بي.

يعرض البحث دقة بلغت 94.18 بالمئة على Cora و95.75 بالمئة على CiteSeer، وخطأ أقل في مهام الانحدار بعدد أقل من المعاملات القابلة للتعلم مقارنة بالبنى المنافسة.

الاستشهاد بالبحث
@inproceedings{skryagin2024cna,
  title     = {Graph Neural Networks Need Cluster-Normalize-Activate Modules},
  author    = {Skryagin, Arseny and Divo, Felix and Ali, Mohammad Amin and Dhami, Devendra Singh and Kersting, Kristian},
  booktitle = {Advances in Neural Information Processing Systems},
  volume    = {37},
  year      = {2024},
  doi       = {10.52202/079017-2535}
}

رسالة الماجستير

Selective Activations for Addressing Oversmoothing in Deep Graph Neural Networks

مختبر الذكاء الاصطناعي وتعلم الآلة، جامعة دارمشتات التقنية، بإشراف البروفيسور كريستيان كيرستنغ. سُلّمت في شباط 2024 بدرجة 1.0.

المشكلة
كلما ازداد عمق الشبكة العصبية البيانية تقاربت خصائص عقدها أكثر فأكثر. تسمى هذه الظاهرة التنعيم المفرط، وهي تحد من العمق المفيد لهذه الشبكات.
ما قمت به
وجدت أن دوال التنشيط الكسرية القابلة للتعلم وحدها لا تكفي. تقوم طريقتي بتجميع تمثيلات العقد في عناقيد، ثم تطبيع كل عنقود، ثم تطبيق دالة تنشيط كسرية قابلة للتعلم على كل عنقود.
مقياس جديد
لا يقيس مقياس MAD الشائع تشتت العناقيد بشكل جيد، فاقترحت مقياس MADC لقياس هذا التشتت.
التجارب
نُفذت بلغة PyTorch واختُبرت على Cora وCiteSeer وPubMed وDBLP وogbn-arxiv.

نالت الرسالة عام 2025 جائزة الإنجاز العلمي المتميز من جمعية أصدقاء جامعة دارمشتات التقنية. صفحة الجائزة (يفتح في نافذة جديدة)

الروبوتات

تعلم الآلة للروبوتات

من 01/2020 إلى 03/2023

مساعد باحث في تعلم الآلة والتعلم العميق للروبوتات

مختبر الأنظمة الذاتية الذكية (IAS)، جامعة دارمشتات التقنية

  • طورت نماذج تعلم عميق للروبوتات المتنقلة، خاصة للإدراك البصري وتجنب العوائق باستخدام بنى المشفر وفك التشفير.
  • بنيت أساليب تعلم معزز قائمة على النماذج لتكييف سلوك الروبوت، ودربت نماذج للتعرف على الأجسام وفهم المشاهد.
  • طورت برمجيات روبوتات على ROS ودربتها واختبرتها في Gazebo وIsaac Gym، بما في ذلك كشف الإمساك وتخطيط الحركة باستخدام OMPL.
  • أعددت تمارين تعلم الروبوتات للطلاب وأشرفت عليها في الروبوتات والتحكم الأمثل وتعلم الآلة والتعلم المعزز.

رسالة البكالوريوس

An Educational Framework for Robot Learning

مختبر الأنظمة الذاتية الذكية، جامعة دارمشتات التقنية، بإشراف البروفيسور يان بيترز. سُلّمت في أيلول 2021 بدرجة 1.0.

صممت وبنيت محاكي روبوتات بلغة Python مع تمارين للطلاب باستخدام Pymunk وPyglet وSphinx. تغطي التمارين طريقة Denavit-Hartenberg والكينماتيكا الأمامية والعكسية والمنحنيات والتحكم PID وعمليات ماركوف للقرار مع تكرار السياسة والقيمة وProMPs وREPS والتقاط الكرة.