Projecten
Deep learning gecombineerd met fysische modellering voor weer-, klimaat- en geofysica-toepassingen Vrije Universiteit Brussel
Van meer naar minder: het beste uit deep learning halen voor apparaten met beperkte rekenkracht. Universiteit Gent
Vandaag de dag zijn er een hele reeks elektronische sensoren die klein genoeg zijn om geïntegreerd te worden in ingebedde apparaten, zoals autos en robots. Deze sensoren vereisen ook moderne deep learning algoritmes om herkenning en dergelijke uit te voeren. Het doel van mijn voorstel is om nieuwe neurale netwerk ontwerpmethodologieën te ontwikkelen die geoptimaliseerd zijn voor ingebedde apparaten. Aangezien er vele potentiële use-cases zijn ...
Middleware voor Gedistribueerde Deep Learning Netwerken in ingebedde systemen KU Leuven
OZR-opvangmandaat: Multi-Machine Fout Detectie voor Wind Turbines gebruikmakend van Deep Transfer Learning Vrije Universiteit Brussel
Een nieuw tijdperk voor proteomics-gebaseerde proteïne PTM analyse met deep learning Universiteit Gent
Post-translationele modificaties (PTM’s) zijn essentieel voor het correct functioneren van eiwitten. Ondanks dat onderzoek naar PTM’s mogelijk is via chromatografie gekoppeld aan tandem massa spectrometrie (LC-MS/MS), zijn de beschikbare bioinformatica methodes een limiterende factor. Inderdaad, door de grote verscheidenheid aan PTM’s, lijden proteomics search engines aan een verminderde identificatiegevoeligheid wanneer modificaties in ...
Deep learning voor omgevingsmonitoring door omzetting van aardobservatie data naar geo-indicatoren KU Leuven
De recente Sentinel satellietconstellaties voorzien vrij beschikbare aardobservatie data met geschikte karakteristieken – betreffende spatiale, spectrale en temporele resolutie – om de omgeving te monitoren. Toch blijft het gebruik van informatie afgeleid uit satellietgegevens beperkt binnen het omgevingsbeleid daar het de informatie verkregen uit meetcampagnes op de grond niet volledig vervangt. Tevens winnen deep learning algoritmes steeds ...
Efficiënte embedded deep learning KU Leuven
Deep learning is de voorbije jaren enorm toegenomen in populariteit en neurale netwerken hebben toepassingen gevonden in uiteenlopende velden. Deze neurale netwerken hebben vaak een aanzienlijke rekenkracht nodig om goede resultaten te behalen. Dit maakt het moeilijk om ze te gebruiken voor embedded toepassingen. In deze thesis onderzoeken we mogelijkheden om deep learning efficiënt te maken voor embedded systemen. Eén van deze mogelijkheden ...
Deep learning en X-ray beeldvorming voor niet-destructieve interne kwaliteitsinspectie van voedingmiddelen in inline toepassing KU Leuven
Deep learning voor automatische bewegingsanalyse met motion capture: Casestudy’s over het detecteren en beoordelen van loopstoornissen bij mensen met de ziekte van Parkinson en freezing of gait KU Leuven
De ziekte van Parkinson (PD) is een veel voorkomende neurodegeneratieve aandoening, waaraan wereldwijd naar schatting 6 miljoen mensen lijden. PD veroorzaakt degeneratie van dopamine-genererende neuronen, wat leidt tot progressief verslechterende loopstoornissen. Een van de meest ernstige loopstoornissen is freezing of gait (FOG). FOG komt vaak voor bij PD en wordt gedefinieerd als een "kortstondige, episodische afwezigheid of duidelijke ...