Scriptiebank overzicht

Co-De is een digitaal leerplatform dat ontwikkeld werd voor het secundair onderwijs. Op het leerplatform worden interactieve lessen aangeboden die leerlingen doen kennismaken met computationeel denken (abstractie, veralgemening, decompositie, algoritmisch denken en evaluatie).

Deze scriptie bestudeerde bacterie-faag interacties gebruikmakende van twee computertechnieken: optimal transport en machine learning. Het doel was om faag-host specificiteit beter te begrijpen op het niveau van de specifieke faag eiwitten die daar een belangrijke rol in spelen.

Deze scriptie beschrijft een nieuwe tensor-gebaseerde methode om voorkamerfibrillatie, een hartritmestoornis, te detecteren in zowel één- als meerkanaals ECG-signalen. Deze scriptie combineert technieken uit de tensoralgebra, signaalverwerking en machine learning. Een dergelijk algoritme is een noodzakelijke tool in de digitale geneeskunde, gezien de opkomst van mobiele sensoren om ECG op te meten (AppleWatch, ...).

Afbeeldingsflowcytometrie is een nieuwe technologie die toelaat om duizenden cellen per seconde te fotograferen. In deze scriptie wordt artificiële intelligentie toegepast om de cellen efficiënt en automatisch te classificeren.

Het onderzoek naar en de ontwikkeling van een aanbevelingssysteemalgoritme voor films gebaseerd op gezichtsdetectie en -herkenning. De ontwikkelde applicatie berekent de filmbelevenis van de kijkers met behulp van emotiedetectie, gedragsanalyse en aandachtmeting. Met de berekende informatie wordt later een persoonlijke groepsaanbeveling gegenereerd voor het aanwezige publiek.

Het doel van deze studie is om de effectiviteit van e-newsletters voor het behouden van bestaande klanten na te gaan. Meer specifiek werd er onderzocht wat het effect van het format van de e-newsletter is op consumentenretentie en zijn we nagegaan aan de hand van een experiment of er een verschil is in merkgeloofwaardigheid, merkbewustzijn, merkattitude en koopintentie.

In deze scriptie worden de verschillende mogelijkheden van advertising besproken met behulp van Artificiële Intelligentie.

Eerst wordt er uitgebreid uitgelegd wat AI is en hoe het werkt, door dieper in te gaan op begrippen zoals Deep Learning, algoritmen en machine learning.

Vervolgens wordt de geschiedenis van AI besproken aan de hand van mijlpalen en kan u lezen wat deskundigen en wetenschappers voorspellen voor de komende decennia.

Dan worden verschillende toepassingen van AI in advertising besproken aan de hand van voorbeelden. De niches waarover ik schrijf zijn content creation, content curation, Programmatic, Google, Facebook, DOOHapps en chatbots.

Tenslotte kan u enkele interviews lezen met professionals uit de bedrijfswereld die al reeds AI in hun bedrijf gebruiken.

Brein-computer interface gebaseerd op EEG en mVEP met een spatiotemporal beamformer classifier vergeleken tegenover SVM en SWLDA. Hybride BCI met P300 en mVEP en de invloed van translatierichting werd ook bestudeerd.

Optibi is het afstudeerproject van Sander Van Goethem gerealiseerd in het academiejaar 2017-2018, onder begeleiding van Frank Goethijn (Productontwikkeling UA) en Jan Steckel (Elektronica-ICT UA). In dit project werd er gezocht naar een manier om fruittelers meer controle te geven over de bestuiving op hun veld. Het resultaat is een product-dienstcombinatie die telers in staat stelt om hun bestuivingsproces te kwantificeren, in kaart te brengen en te optimaliseren. Optibi bestaat uit een sensor, die het geluid van insecten opvangt en identificeert aan de hand van een machine learning algoritme, een robuuste batterijmodule, die de langdurige autonomie van de sensor voorziet, en een app, die de gegenereerde data interpreteerbaar maakt voor de fruittelers. Optibi brengt Internet of Things naar de fruitteelt.

Het combineren van nieuwe machine learning technieken met grote ecologische datasets, om zo predictiemodellen op te stellen. Deze kunnen zowel gebruikt worden om voorspellingen te maken voor nieuwe soorten, maar worden hier vooral toegepast om missing values te detecteren in bestaande datasets. De ecologische datasets zijn allemaal pollinatie/bestuivingsnetwerken.

Hoe zorg je ervoor dat zelflerende algorithems ook echt slimmer worden en efficienter functioneren. Deze master-thesis beschrijft een theoretisch en praktisch onderzoek hoe je dit zou kunnen doen en waar je op moet letten zodat algorithmes kunnen leren van eerdere ervaringen.

Voorkamerfibrillatie kan invasief behandeld worden door middel van pulmonaalvene isolatie. Hierbij bestaat het risico dat de rechter nervus phrenicus beschadigd wordt. In deze masterthesis wordt een algoritme ontwikkeld voor de automatische detectie en reconstructie van deze zenuw. Het ontworpen EXSAC-algoritme is in staat om de nervus phrenicus te detecteren met een accuraatheid van 3,51 mm bij 89% van de 27 testpatiënten.

Epidemiologisch onderzoek stelt vast dat de bloedvaten op het netvlies veranderingen ondergaan ten gevolge van onder meer diabetes, beroertes en Alzheimer. Momenteel is de complexe analyse van netvliesbeelden enkel weggelegd voor gespecialiseerde artsen. In dit thesisonderzoek werd een algoritme op basis van deep learning ontwikkeld dat een deel van de analyse automatiseert: het is in staat om de twee verschillende types bloedvaten (slagader en ader) te identificeren op een foto van het netvlies zonder tussenkomst van een arts.

In deze thesis wordt het ontwerp van een slimme halsband voor melkvee behandeld. Deze halsband controleert de gezondheid en vruchtbaarheid van melkvee automatisch. Dit zorgt er mee voor dat de boer op termijn meer tijd en middelen kan vrijmaken om zijn bedrijf te laten groeien.

Tijdens storingen in de dienstregeling, nemen dispatchers bij Infrabel en NMBS beslissingen vooral op basis van hun eigen ervaring. In deze thesis worden flexibele, wiskundige modellen ontwikkeld voor storingen waarbij er nog één of meerdere sporen beschikbaar zijn. Het doel: dispatchers ondersteunen en reizigers sneller thuisbrengen.

Brein-computer interfaces kunnen onze gedachten in acties omzetten. In die scriptie is zo een brein-computer interface ontwikkeld om een robothand te controleren en verbonden psychologische effecten te studeren.

Deze scriptie onderzoekt de mogelijkheid om met computers mopjes te genereren, en dit door middel van het automatisch analyseren van bestaande moppen. We specifiëren een framework voor deze taak en bouwen een platform voor het verzamelen van mopjes en bijhorende beoordelingen. Uiteindelijk implementeren we een analogiemopjes generator dat in staat is om half zo vaak grappig te zijn als mensen.

Een nieuwe tool werd gecreëerd om startups in de medische technologie sector te helpen gedurende hun complexe ontwikkelingstraject.

This thesis highlights the interest of business executives in analytics. Furthermore, it develops an inductive maturity model with respect to analytics. It finds that only 30% of companies have already achieved a high level of analytics maturity.

De voorspellingskracht en winstgevendheid van actieve beleggingsstrategieën wordt vergeleken met de passieve strategie om na te gaan of het mogelijk is om betere beleggingsbeslissingen te nemen dan het aanhouden van een buy-and-hold beleggingsportefeuille.

Een volledige route set convergeert snel in een verkeers toedelings evenwicht en bevat zeker alle relevante alternatieven. Een volledige route set is hier geintroduceerd in een dynamische verkeerstoedeling.

Deze scriptie beschrijft een computationeel model dat twee manieren van leren vergelijkt om te verklaren hoe mensen in staat zijn zich flexibel aan te passen aan de omgeving.

Lezers kunnen op Facebook reacties plaatsen onder nieuwsartikels. In het kader van deze thesis is met behulp van verschillende machine learning technieken automatisch voorspeld wat het uitgedrukte sentiment van deze reacties is: negatief, positief of neutraal/objectief. Voor de eigen case is gekozen voor artikels van Het Belang van Limburg.

In deze thesis bestuderen we het theoretisch concept van coordination-freeness in een gedistribueerd database systeem en onderzoeken we enkel efficiënte algoritme voor het parallel evalueren van conjunctieve queries.

In deze thesis stel ik een nieuwe methode voor om een humanoid te calibreren voor spraak en expressie. De methode werd getest en werkt.

Door klanten op maat gemaakt voedingsadvies mee te geven, wordt de duurzaamheids- en gezondheidsproblematiek m.b.t. de voedingsconsumptie gecounterd.

In deze studie bestuderen we in de eerstelijnszorg een nieuwe applicatie uit de groeiende markt van medische smartphone-apps. We gaan de accuraatheid, voor- en nadelen na van de "FibriCheck"-app m.b.t. de opsporing van voorkamerfibrillatie, een frequente hartritmestoornis met grote impact op de gezondheid.

Een brein-computer interface (BCI) is een input-output systeem dat ervoor zorgt dat de gebruiker
een bepaald computersysteem kan aansturen via zijn hersenen. Dit systeem is echter heel
persoonsgebonden, waardoor de gebruiker een lange kalibratietijd moet doorgaan van 20 tot 30
minuten. Daar dit veel concentratie en tijd van de gebruiker vergt, is dit niet gewenst. In deze thesis wordt een methode voorgesteld om deze langdurige kalibratietijd te verminderen met behoud van een hoge accuraatheid.

De thesis beschrijft een nieuwe constructieve heuristiek voor het circle-packing probleem, met als hoofddoel de berekeningen zeer snel te doen verlopen. De implementatie kan in milliseconden problemen oplossen waar andere algoritmen soms tot 24h voor nodig hebben, en geeft gemiddeld minder dan 6% slechtere oplossingen.

Vandaag de dag is elektriciteit een basisbehoefte. Doordat de elektriciteitsvraag elk jaar sterk stijgt, moet ook de hoeveelheid opgewekte energie elk jaar opgedreven worden. Dit gebeurt meer en meer op een duurzame manier. Het nadeel hiervan is echter dat de productie op deze manier zeer sterk kan fluctueren, afhankelijk van de weersomstandigheden. Energiebedrijven hebben daarom een goed zicht nodig op de consumptie van elektrische energie en doen hiervoor vaak beroep op voorspellings- en/of clustermethoden. In deze context stelt dit werk een voorspellings- en cluster- methode voor, die gebaseerd zijn op Gaussiaanse processen.
Deze thesis is opgedeeld in een voorspellings- en een clustergedeelte. In het voor- spellingsgedeelte bespreken we hoe we de ruwe data verwerken tot input voor de Gaussiaanse proces regressie en focussen we ons op een voorspelling voor de volgende twee dagen per uur.
Het clustergedeelte van de thesis stelt een nieuwe clustermethode voor, die gebaseerd is op Gaussiaanse proces regressie (GPRC), en passen we toe op het consumptiegedrag van huishoudens om er inzichten in te ontdekken. Dit doen we door de weekprofielen (tijdreeksen) van de huishoudens te beschouwen. Om deze te clusteren zal de methode gebruik maken van een algemeen model dat geleerd wordt op een set van tijdreeksen, gebaseerd op hun waarschijnlijkheid. Het voordeel van de voorgestelde techniek is dat ze geen paarsgewijze vergelijking van de tijdreeksen nodig heeft, in tegenstelling tot vele andere clustermethoden voor tijdreeksen.
Deze methoden worden geëvalueerd op een real-life dataset van 71 huishoudens, die historische consumptie en meteo-data van één jaar bevat. De voorspellingsme- thode wordt geëvalueerd en vergeleken met lineaire regressie, support vector regressie en een baseline methode die de waarde van een week geleden teruggeeft als voorspel- ling.
De clustermethode wordt vergeleken met k-medoids met dynamic time warping en hiërarchisch agglomeratief clusteren met dynamic time warping. Er wordt enerzijds aangetoond dat GPRC een betere schaalbaarheid heeft en anderzijds dat de resultaten ervan nuttig zijn in het beslissingsproces van een bedrijf uit de energiesector.