Projecten
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.
Herkenning en segmentatie van algemene dagelijkse levensverrichtingen bij oudere volwassenen met sensortechnologie en algoritmen voor machinaal leren KU Leuven
In Europa en in China blijft de fractie oudere personen stijgen in vergelijking met de fractie van de actieve bevolking. Deze groeiende groep oudere mensen heeft een geïndividualiseerd en adaptief zorgplan nodig. Het niveau van zelfvertrouwen is een van de sterkste bijdragende factoren in het zorgplan. Door de ontwikkeling van draagbare sensoren en IOT-sensoren wordt het mogelijk om de gezondheids- en gezondheidsgerelateerde parameters ...
Bio-informatica en machinaal leren voor de analyse van grote hoeveelheden metabolomics data Universiteit Antwerpen
Statistisch onderbouwd machinaal leren voor longitudinale biomedische gegevens met herhaalde metingen KU Leuven
Geavanceerde computermethoden gebaseerd op Machine Learning (ML) kunnen een onmisbaar hulpmiddel worden voor artsen in meerdere klinische settings, zoals prognostische modellering en risicostratificatie van patiënten. De meeste ML technieken houden echter geen rekening met de complexiteit die voortkomt uit de longitudinale en anderszins hiërarchische aard van de meeste gezondheidsdatasets. Niet alleen zijn correlaties tussen herhaalde ...
Verklaarbaar machinaal leren, modellen voor predictie, en causale besluitvorming, toegepast op medische data. Universiteit Hasselt
Structured Machine Learning for Mapping Natural Language to Spatial Ontologies (Gestructureerd machinaal leren voor het omzetten van natuurlijke taal naar ruimtelijke ontologieën) KU Leuven
Declaratief modeleren voor machinaal leren en dataontginning. KU Leuven
Data-efficiënt machinaal leren voor ingenieurstoepassingen Universiteit Gent
Het doel van dit onderzoek is de ontwikkeling van nieuwe technieken in surrogaatmodellering. Surrogaatmodellen zijn snelle benaderende modellen voor anders complexe en tijdrovende nauwkeurige computersimulaties. Ze kunnen worden gebruikt in diverse ingenieurstoepassingen (elektronica, mechanica, enz.) voor optimalisatie, verkenning van de ontwerpruimte, sensitiviteitsanalyse, enz., waar de berekening van extra computersimulaties te duur zou ...
Brain-computer interfaces met machinaal leren Universiteit Gent
aBrain-computer interfaces worden gebruikt om te communiceren via hersengolven, gecreëerd als respons op aangelegde stimuli. De gebruiksvriendelijkheid van deze systemen is sterk afhankelijk van de snelheid en nood tot kalibratie. Het gebruik van machinaal leren technieken wordt onderzocht om de kalibratie te vermijden, alsook de combinatie van deze technieken met het aanlegpatroon van de stimuli om de snelheid te verhogen.