Projecten
Semi-supervised edge energy consumption anomalie detectie en classificatie KU Leuven
De onderzoeker zal energieverbruikmodellen vergelijken die gebaseerd zijn op model- en data gedreven benaderingen en ruisende runtime-statuswaarnemingen. Aangezien voorspelling in het algemeen moeilijker is moeilijker is dan het opsporen van anomalieën, (1) is een eerste doelstelling het bepalen van normale en abnormale energieverbruiksprofielen. Afwijkingen in het energieverbruik kunnen zijn hardwarestoringen, alsmede abnormale ...
Flexibele en beperkte supervisie voor anomalie detectie KU Leuven
Traditioneel werd anomalie detectie benaderd vanuit een unsupervised perspectief. Dit was het geval omdat het vaak moeilijk of onmogelijk is labels te verkrijgen voor afwijkende gevallen. Daarom werden algoritmes voor deze taken gebaseerd op veronderstellingen zoals dat anomalieën zeldzaam zijn en anders zijn (bv. ver weg of in een gebied met lage dichtheid) dan normale voorbeelden. Er is echter een groeiend besef dat enkele gelabelde ...
Context Bewuste Anomalie Detectie voor Dynamische Industriële Omgevingen KU Leuven
Steeds vaker worden industriële machines en processen gecontroleerd door verschillende sensoren. Het continu analyseren van de gemeten parameters laat toe om buitengewone observaties, vaak gerelateerd aan een onderliggend probleem met de apparatuur, te identificeren. Dit kan vervolgens een corrigerende configuratie of onderhoudsinterventie in gang zetten. Het is bijgevolg enorm belangrijk om deze evenementen tijdig en op een robuuste en ...
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 ...
Anomalie detectie in de aardappelteelt met semi-gesuperviseerde deep learning technieken Universiteit Gent
De landbouwsector staat voor de belangrijke uitdaging om aan de stijgende vraag te voldoen zonder de impact op het milieu en klimaat verder te verhogen. Daarin is een belangrijke rol weggelegd voor precisielandbouw. Dankzij nieuwe technologieën kunnen we sinds kort velden veel gedetailleerder in kaart brengen. De interpretatie en automatische verwerking van die informatie blijft een belangrijke uitdaging. Deep learning, een snel ontwikkelende ...
Promut II: Workflow voor het automatisch verwerken van digitale luchtopnamen tot een GRB mutatie en anomalie detectie in het kader van het GRB bijhoudingsproces: van prototype naar operationeel systeem Universiteit Gent
De uitbouw van het prototype (PROMUT) voor archivering, ontsluiting en verwerking van digitale luchtopnamen tot een change detection systeem klaar om operationeel ingezet te worden op AGIV in de GRB bijhouding processen.
Het operationeel systeem (PROMUTII) kan op termijn ook ingeschakeld worden in andere toepassingen zoals de monitoring van landgebruik of vegetatie. Het project omvat volgende sequentiële fases:
1. kritische design ...
Process Mining en Anomalie Detectie in Financiele Auditing Universiteit Hasselt
Intelligente Advanced Anomalie Detectie bij de opslag en transport in de voedingsketen HOWEST
Flexibele en zwakke supervisietechnieken voor leren KU Leuven
Methoden voor anomaliedetectie hebben als doel voorbeelden te identificeren die niet voldoen aan het verwachte gedrag. Om verschillende redenen wordt anomaliedetectie typisch aangepakt door gebruik te maken van ongesuperviseerde methodes die reële anomalie-scores toewijzen op basis van verschillende heuristieken. Men kan bijvoorbeeld aannemen dat anomalieën zich bevinden in gebieden met een lage dichtheid en de negatieve log-likelihood ...