Projecten
Een synergetische benadering voor extraheren, leren en redeneren bij machinaal lezen Universiteit Gent
Onderzoekers in het domein van de kunstmatige intelligentie zijn reeds lange tijd gefascineerd door de mogelijkheden om systemen te ontwerpen die automatisch kennis vergaren bij het lezen van teksten. Om dit doel tebereiken moet een systeem in staat zijn om (1) informatie uit tekst te extraheren, (2) regels te leren die verschillende stukken informatie samenvoegen om nieuwe kennis eruit af te leiden, en (3) te redeneren met deze kennis en te ...
HEROI2C: Hybride machinaal leren voor verbeterde infectiemanagement bij ernstig zieke patiënten. Universiteit Gent
Ernstige infecties komen vaak voor op IZ en kennen significante morbiditeit en mortaliteit Infectiemanagement is zeer uitdagend door verhoogde antibioticaresistentie bij deze populatie Artsen worden vandaag echter weinig of niet ondersteund bij het bepalen van de juiste dosis, of over wie het risico loopt op nosocomiale infecties of infecties veroorzaakt door multiresistente pathogenen Dit leidt tot slechte uitkomsten en een te hoog ...
Machinaal leren versterkt met fysische kennis en domeinadaptie voor predictief onderhoud. Universiteit Gent
Onverwachte problemen in de productie komen vaak voor en resulteren in downtime en inkomstenverlies. Recent onderzoek gebruikt machinaal leren om deze problemen te voorspellen. Op basis van historische data die de context beschrijven voor deze storingen optreden, worden modellen getraind die patronen in de gegevens kunnen vinden om zo de resterende levensduur van een machine te voorspellen. Het grootste nadeel van deze manier van werken is ...
Autonome ontwikkeling van geneesmiddelen: optimalisatie van computergestuurde organische synthese in continue stroom met machinaal leren Universiteit Gent
De ontwikkeling van nieuwe geneesmiddelen is een traag en duur proces met organische synthese als snelheidsbepalende stap. Recente doorbraken zorgden voor de intrede van kunstmatige intelligentie en robotica in het vakgebied. Nu kunnen potentiële geneesmiddelen ontdekt worden met machinaal leren, kunnen nieuwe syntheseroutes worden gevonden op basis van data en kunnen robots syntheses uitvoeren. Volautomatische synthese bestaat echter nog ...
Adaptief verbeterende anomalie detectie en oorzaak analyse door middel van semantiek en machinaal leren Universiteit Gent
De sensorbewakingssystemen van vandaag kunnen afwijkend gedrag detecteren en hun onderliggende oorzaken ontlenen aan de hand van door experts aangestuurde regels of door gegevensgestuurde machine learning-modellen. Deskundig gestuurde benaderingen vereisen veel menselijke betrokkenheid om te opereren in omgevingen die de deskundige informatie direct ter beschikking stellen. Data-driven benaderingen daarentegen zijn meer aangepast aan ...
Real-time optimalisatie van biologisch-geïnspireerde vleugels door middel van een vervormbare overset methode en machinaal leren Universiteit Gent
In het ontwerp van vliegtuigen, en vleugelachtige toepassingen in het algemeen, wordt vormoptimalisatie toegepast om de energie overgedragen door de stroming te maximaliseren. Het uiteindelijke ontwerp is echter nog steeds een compromis tussen de verschillende werkingstoestanden. Vervormende (U+201CmorphingU+201D) structuren passen hun vorm aan aan de omstandigheden en maken zo optimale prestaties over een breed bereik aan werkingstoestanden ...
Numerieke optimalisatiealgoritmes voor grootschalige problemen in machinaal leren en regeltechniek KU Leuven
Het doel van dit doctoraat is het ontwikkelen van nieuwe numerieke optimalisatiealgoritmes voor het oplossen van grootschalige problemen die voorkomen in disciplines zoals machinaal leren en regeltechniek. De focus ligt op de volgende drie aspecten: 1. Theorie: globale convergentieanalyse, analyse van de asymptotische convergentiesnelheid, vermijden van zadelpunten bij niet-convexe problemen, 2. Implementatie: efficiënte numerieke lineare ...
Machinaal leren en sterke correlaties in complexe fysische systemen Universiteit Gent
In dit onderzoeksproject willen we nieuwe manieren ontwikkelen om fysieke systemen te begrijpen
bestaande uit vele op elkaar inwerkende bestanddelen met behulp van technieken die zijn ontwikkeld op het gebied van de machine
aan het leren. Een veelgebruikt gebruik van machine learning-modellen is om afbeeldingen van verschillende objecten in te delen
categorieën. Evenzo kunnen machine-leermethoden worden gebruikt om verborgen ...
Snelheid en accuraatheid combineren in computationele chemie: Machinaal leren voor korte-dracht interacties aangevuld met fysische modellen op lange-afstand Universiteit Gent
Statistical-learning approaches are emerging as powerful alternatives to expensive computational
methods for solving the Schrödinger equation to determine molecular properties. Despite the
recent success of methods like neural networks, these models are only suitable for interpolation
and fail to scale to larger systems. That is, when a model is trained on small-to-medium-size
molecules, it can only be applied to ...