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 ...
Invariante modellen leren aan de hand van causaal machinaal leren. Universiteit Antwerpen
Levenslange zelf-aanpassing om concept drift aan te pakken in zelf-adaptieve systemen ondersteund met machinaal leren KU Leuven
Naarmate software systemen complexer worden en voortdurend moeten werken in onzekere omstandigheden, wordt het integreren van technieken voor het beheren van onzekerheden tijdens hun werking essentieel. Een belangrijke aanpak hiervoor is gebaseerd op het principe van een externe feedback loop die toegevoegd wordt aan het systeem; dit vormt de basis vormt voor zelf-adaptieve systemen. Recentelijk is heel wat onderzoek verricht naar het gebruik ...
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 ...
Een gecombineerd raamwerk van machinaal leren en de theorie van extreme waarden voor detectie en rangschikking van anomalieën Universiteit Gent
In het hedendaags kwantitatief onderzoek in de levenswetenschappen wordt men vaak geconfronteerd met anomaliedetectie. Conventionele methodes uit machinaal leren zijn hier niet steeds geschikt door een tekort aan data afkomstig van anomalieën. In dit doctoraatsonderzoek wordt een raamwerk ontwikkeld dat machinaal leren combineert met de theorie van extreme waarden en dat bijzonder geschikt is om extremen in data te bestuderen.
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 ...
Machinaal leren voor gefedereerde analyses KU Leuven
Een belangrijke opkomende trend in de analyse van gevoelige medische gegevens is gefedereerd machinaal leren, waarbij berekeningen op een gedecentraliseerde manier worden uitgevoerd, zodat geen gevoelige gegevens op patiëntniveau hoeven te worden gedeeld, maar machinale leermodellen alleen worden geleerd van geaggregeerde statistische gegevens (meestal van het deelnemende klinische centrum of een nationale biobank of register). Dergelijke ...
Machinaal leren voor de detectie van fraude KU Leuven
De Association of Certified Fraud Examiners (ACFE) schat dat een typische organisatie elk jaar 5% van zijn inkomsten verliest aan fraude. Het vijfde toezichtrapport over de ontwikkelingen van de analyse van kaart fraude in de Single Euro Payments Area (SEPA) over fraude gerelateerd met card payment schemes (CPSs), uitgebracht in september 2018 door de Europese Centrale Bank waarbij men kaarten gebruikt uitgegeven in de SEPA en dat bijna heel ...
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 ...