Projecten

In dit proefschrift willen we het probleem van onzekerheid in de geneeskunde en de gezondheidszorg aanpakken. Dit probleem staat centraal in de klinische praktijk omdat clinici dagelijks beslissingen moeten nemen voor het welzijn van hun patiënten. Onzekerheid in de geneeskunde en de gezondheidszorg kent verschillende taxonomieën, waarvan er één de onzekerheid in drie categorieën indeelt: persoonlijke, conceptuele en technische onzekerheid. ...

In onze huidige gedigitaliseerde samenleving is cyberveiligheid een essentiële voorwaarde voor een goed functionerende, eerlijke samenleving: Burgers, bedrijven en overheden moeten kunnen vertrouwen op hun computers en mobiele toestellen, alsook op de diensten die aangeboden worden door overheden en bedrijven.

Een belangrijk onderdeel van cyberveiligheid is de bestrijding van cybercriminaliteit. Deze strijd gaat verder dan het inzetten ...

Accurate voorspellingen van lokale en regionale gewasproducties zijn belangrijk voor de prijszetting van landbouwproducten, zowel door aanbieders als inkopers. Ze hebben bovendien een grote waarde voor (lokale) overheden bij het anticiperen op mogelijke voedseltekorten. Teledetectie m.b.v. satellieten is een eerder recente, maar reeds ingeburgerde technologie voor het voorspellen van landbouwproductie op grote (ruimtelijke) schaal omdat ...

Binnen dit proefschrift zullen we geometrische aspecten van machine learning en kernelmethoden bestuderen met als doel geometrie-geïnduceerde dualiteitsprincipes voor machine learning-modellen te bestuderen. In het bijzonder zullen we ons concentreren op de interactie 1) tussen equivariantie, geometrische kernels en (willekeurig) Riemann-variëteiten 2) tussen discrete convexe analyse en grafieknetwerken. Ons doel is om een grondig wiskundig ...

Discrete keuze-experimenten worden in veel domeinen (bijv. Transport, gezondheidseconomie, marketing, milieueconomie) gebruikt om te evalueren hoe productkenmerken de voorkeur van de consument beïnvloeden. Traditioneel worden gegevens gemodelleerd met behulp van (uitbreidingen van) het multinomiale logit-model. Onderzoekers zijn echter recentelijk technieken op het gebied van machine learning gaan gebruiken om gegevens van discrete ...

Residentiële en commerciële gebouwen verbruiken 40% van de totale energie, 70% van de totale elektriciteit en zijn verantwoordelijk voor 41% van de uitstoot van broeikasgassen. Daarom is het belangrijk om energieverspilling in gebouwen te elimineren. De bewoners van deze gebouwen brengen 86% van hun tijd binnen door, waardoor de gebouwomgeving een grote impact heeft op hun welzijn. Het beheer van deze gebouwen gebeurt vandaag door ...

In dit project zullen we nieuwe methoden ontwikkelen om beter de spatiale context binnen weefsels functioneel te gaan karakteriseren. Hierbij beogen we de integratie van single-cell multi-omics (transcriptoom en proteoom), spatiale transcriptoomdata en confocale microscopie. Nieuwe machine learning technieken zullen ontwikkeld worden om de hoge spatiale resolutie van microscopie-technieken te combineren met de diepe phenotyperingscapaciteiten ...

Het proefschrift gaat over innovatieve Machine Learning technieken en bestaat uit vier papers. De eerste twee papers bieden een uitbreiding van kaders voor statistische causale gevolgtrekking. De twee andere papers zijn directe toepassingen van het voorspellend vermogen van machine learning. De vier papers bieden toepassingen op het gebied van de publieke economie.

In de afgelopen jaren is het aantal en de complexiteit van beveiligingsbedreigingen toegenomen. State-of-the-art oplossingen voor beveiligingsanalyses zijn daarom in toenemende mate afhankelijk van machinale leermethoden om kwaadaardig gedrag en normaal gedrag in verschillende contexten te onderscheiden. Echter, met het gebruik van machine learning voor beveiligingsapplicaties in opkomst, nemen ook de aanvallen van cybercriminelen op deze ...