<div dir="ltr"><div class="gmail_quote gmail_quote_container"><div dir="ltr" class="gmail_attr">The next AI Seminar (last for this quarter) will be on Friday June 5th, 12-1pm, in the MRB Seminar Room (1st floor).</div><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div><br></div><div>*** Pizza and refreshments will be provided ****<br><br>To keep track of the number of attendees, please *register* at:</div><div><a href="https://www.eventbrite.com/e/ai-seminar-series-tickets-1990736274787">https://www.eventbrite.com/e/ai-seminar-series-tickets-1990736274787</a></div><div><br></div><div>The talk will be given by <b>Prof. Thomas Bury</b>, Department of Mathematics, UCR<br><br>TITLE: Deep learning for early warning signals of tipping points</div><div><br></div><div>ABSTRACT: </div><div>Tipping points - abrupt, qualitative changes in the state of a dynamical system - can occur in systems ranging from the Earth’s climate to the human heart, often with dire consequences. An abundance of research has focused on developing early warning signals for tipping points based on generic properties of dynamical bifurcations, such as critical slowing down. In our work, we trained a deep learning classifier to predict tipping points using a massive library of randomly generated dynamical systems. I will show how the classifier generalizes to real ecological and cardiac systems, achieving higher accuracy than conventional indicators. Finally, I will present recent work using reinforcement learning to discover triggers for cardiac arrhythmia by interacting with a mathematical model of cardiac tissue. This talk will highlight the potential of combining deep learning with dynamical models to better understand and predict critical transitions in complex natural systems.</div><div><br></div><div>Bio</div><div>Dr. Thomas Bury is an Assistant Professor of Mathematics at the University of California, Riverside whose research sits at the intersection of nonlinear dynamics, machine learning, and the natural sciences. His current focus is on developing mathematical and computational methods to better understand and predict cardiac arrhythmia. Dr. Bury received his PhD in Applied Mathematics from the University of Waterloo and completed a postdoctoral fellowship at McGill University. His work has been published in leading journals, including PNAS and Nature Communications.</div><div><br></div><div>------------------------------------</div><div>Sponsored by the RAISE@UCR Institute, the <span><span><span>AI</span></span></span> <span><span><span>Seminar</span></span></span> <span><span><span>Series</span></span></span> presents speakers working on cutting edge Foundational <span><span><span>AI</span></span></span> or applying <span><span><span>AI</span></span></span> in their research. The goal of these <span><span><span>seminars</span></span></span> is to inform the UCR community about current trends in <span><span><span>AI</span></span></span> research and promote collaborations between faculty in this emerging field. These <span><span><span>seminars</span></span></span> are open to interested faculty and graduate/undergraduate students. Please forward this email to other colleagues or students in your lab that may be interested. After the <span><span><span>seminar</span></span></span> a discussion will follow for questions, open problems, ideas for possible collaborations etc.<br><br>Sincerely,<br>Vassilis Tsotras<br>Professor, CSE Department<br>co-Director, RAISE@UCR Institute<br><br>Amit Roy-Chowdhury<br>Professor, ECE Department<br>co-Director, RAISE@UCR Institute</div></div>
</div></div>
</div>
</div></div>
</div>
</div></div>
</div></div>
</div>
</div></div>
</div>
</div></div>
</div></div>
</div>
</div></div>
</div>
</div>
</div></div>
</div>
</div></div>
</div>
</div></div>