Analyse van high-throughput data door middel van support vector machines en kernel-gebaseerde technieken: feature selectie en adaptieve modelbouw.

In vele real-life toepassingen is informatie afkomstig van metingen onmisbaar om de kwaliteit van eindproducten te garanderen en controle uit te oefenen op het productieproces. Deze metingen zijn veelal afkomstig van online hardware analysers (bijvoorbeeld thermometers, stroommeters . . . ). Er zijn echter vele karakteristieken die men niet met online apparatuur kan verkrijgen en waarvoor tijdrovende en/of computationeel intensieve analyse noodzakelijk is.Voor die karakteristieken worden vaak modellen gehanteerd om de resultaten van de analyse te voorspellen vanuit de proces variabelen. De analyse wordt nadien gebruikt als bevestiging van het gekozen model. Modellen worden soms ook gebruikt om online hardware analysers te voorspellen, deze laatste zijn immers onderhevig aan corrosie of kunnen gaan afwijken van de optimale configuratie.In dit project willen we een aantal onderzoeksproblemen bestuderen die optreden bij de constructie van modellen met behulp van Support Vector Machines. Onze interesse in het bouwen van modellen met SVMs heeft verschillende redenen. - Het is algemeen geweten dat SVMs hoog dimensionale data aankunnen zonder te lijden aan de "curse of dimensionality".- Het inpluggen van kernels laat toe niet-lineaire modellen op te stellen.- SVMs kunnen ongevoelig gemaakt worden voor ruis en outliers.- Ten slotte, de bekwaamheid van SVMs om "abnormale" data punten te identificeren, maakt ze nuttig in detectie van outliers en anomalieën.De problemen die we in dit project willen onderzoeken zijn de volgende.I. Feature selectie en integratie van domeinkennis Het doel is te onderzoeken of we gelijkaardige resultaten kunnen boeken bij Support Vector Regressie (SVR) en hoe goed deze technieken zich laten vertalen naar single-class problemen.II. Adaptieve modelbouwTechnieken die het mogelijk maken de inferentie sensor aan te passen in alle mogelijke gevallen van novelty detectie, en voornamelijk wanneer het wiskundige model deels moet worden heropgebouwd, staan nog steeds in de kinderschoenen en vormen het tweede luik van het onderzoek.

Trefwoorden:ARTIFICIËLE INTELLLIGENTIE, INFORMATICA, MODELBOUW

Disciplines:Toegepaste wiskunde, Artificiële intelligentie, Cognitieve wetenschappen en intelligente systemen