Scriptiebank overzicht

Kolieken bij paarden zijn één van de belangrijkste doodsoorzaken. In deze masterthesis werd een algoritme ontwikkeld die koliek symptomen bij paarden automatisch kan detecteren op basis van accelerometer data. Hiervoor werd "machine learning" gebruikt, een onderdeel van artificiële intelligentie.

Neurale netwerken hebben een "black box"-karakter, wat betekent dat we moeilijk kunnen interpreteren wat ze precies hebben aangeleerd, of hoe ze "denken". In deze masterthesis omzeilen we dit probleem door de aangeleerde kennis van een neuraal netwerk over te brengen naar een alternatief model dat wel interpreteerbaar is.

Deze scriptie onderzoekt of thuisbatterijen een oplossing kunnen bieden voor toekomstige problemen op het distributienet ten gevolge van de toename van hernieuwbare energietechnieken.

G2P is een belangrijke module in text-to-speech en spraakherkenning. Het doel is om de uitspraak van een zin in fonetisch schrift te vinden, gegeven de geschreven tekst. De huidige implementatie gebruikt een ketting van linguïstische regels die manueel door taalexperts ingegeven moeten worden. Dankzij de opmars van recentste technologiën, kan de volledige G2P stap in zijn geheel vervangen worden door een artificieel neuraal netwerk. Hiermee wordt de implementatietijd drastisch ingekort, in cominatie met een hogere nauwkeurigheid.

In deze scriptie wordt er onderzocht wat er precies gaat veranderen in de bankensector door Artificiële Intelligentie. Het brengt heel veel voordelen met zich mee, dus de voordelen worden besproken. Maar het brengt ook gevaren met zich mee, dus er wordt ook gekeken naar de gevaren die ontstaan door Artificiële Intelligentie. Er wordt ook onderzocht wat de impact op de jobgelegenheid gaat zijn.

In deze thesis wordt een algoritme voorgesteld dat het multi-hop netwerk routing probleem in draadloze ad hoc netwerken oplost. Deze oplossing zal gebaseerd zijn op machine learning. Om dit doel te bereiken wordt eerst
een literatuurstudie van vergelijkbare machine learning algoritmes en andere alternatieven ondernomen, evenals hun toepassingen in draadloze netwerken. De focus zal liggen op multi-hop routing algoritmes voor draadloze netwerken. Als resultaat van deze studie zal er een set vereisten zijn waaraan een algoritme voor multi-hop routing voor draadloze netwerken moet voldoen om verbeteringen bij te kunnen dragen aan bestaande oplossingen. Gebaseerd op deze set vereisten zal een volgende stap eruit bestaan om een machine learning algoritme te ontwerpen dat aan die vereisten voldoet, en dat algoritme in gesimuleerde omgevingen te implementeren. Het resulterende machine
learning gebaseerde multi-hop routing algoritme zal geëvalueerd worden in zijn performantie en worden vergeleken met andere bestaande oplossingen,
zowel uit het machine learning domein als uit het traditionele domein. Een laatste stap zal er vervolgens uit bestaan om het algoritme uit te breiden met mogelijkheden nodig om de kwaliteit van de service van netwerkverkeer
te kunnen garanderen.

Met mijn bachelorproef wil ik Belgische marketeers een introductie geven in de wereld van voice assistants. Ik wil hen ook advies geven over wat ze kunnen doen om zich voor te bereiden op de opkomst van voice assistants.
voor te bereiden op deze opkomst. De voice assistants bieden hen immers een interessant nieuw kanaal om de consument te bereiken. Ik bespreek ook welke opportuniteiten dit nieuwe kanaal hen kan bieden en ik geef hen advies over de verschillende manieren waarop ze dit nieuwe kanaal kunnen benutten.
Tot slot wordt de theorie met de praktijk vergeleken in een steekproef met 15 marketeers/developers.Hierbij heb ik onderzocht hoe marketeers in België bezig met of zich voorbereiden op de opkomst van voice interfaces? Welke mogelijkheden of belemmeringen zien zij in voice interfaces?

Ontwikkeling en implementatie van een efficiënt algoritme om real-time fraud detectie te doen op een stream van data. Hierbij ligt de focus op een zo hoog mogelijk aantal fraudulente transacties te detecteren met zo weinig mogelijk valse alarmen.

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.

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.

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.

Detecteren van auditieve attentie (AAD) o.b.v EEG en de stimulus-reconstruction approach. Daarnaast bestudeerden we de effecten van Neurofeedback op de performantie van het AAD systeem. Kernwoorden: EEG, AAD, BCI, Machine Learning.

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.

Hedendaagse kunstmatige intelligentie is makkelijk om de tuin te leiden. Men kan bijvoorbeeld een computerprogramma dat ontworpen is om dieren te herkennen in foto's, eenvoudig laten geloven dat een duidelijke foto van een gele schoolbus eigenlijk een foto van een struisvogel is. In mijn scriptie onderzoek ik vanwaar dit probleem komt en hoe we dit kunnen oplossen.

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.

Deze thesis gaat een conceptueel model uitwerken voor een architectuur die bedrijven in staat stelt hun IT infrastructuur gebaseerd op microservices automatisch te laten schalen. Daarnaast is een Proof of Concept aanwezig die aantoont dat deze methode haalbaar is en kan toegepast worden in verscheidene scenario's en al bestaande infrastructuren met een minimale aanpassing.

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.

In deze thesis worden de basisconcepten van een Active Shape Model uitgelegd en de concrete toepassing ervan op gezichtsbeelden. Het aanvankelijke model van Cootes [1] en de uitwerking ervan [2] werden geoptimaliseerd door middel van enkele aanpassingen uit te voeren waarvan de introductie van patches de belangrijkste is. De uitwerking ervan wordt vervolgens gebruikt als black box om met behulp van machine learning-concepten gezichtsexpressies uit het CFCS-systeem te classificeren. De classificatie van deze Facial Events kan gebruikt worden voor tal van toepassingen zoals - in deze thesis - pijndetectie.

Kan een algoritme elk huis in Vlaanderen schatten?Vastgoed wordt in België voornamelijk geschat op basis van intuïtie en ervaring. Vaak lijken deze schattingen giswerk. In tegenstelling tot andere vakgebieden, wordt statistiek hierbij nog maar zelden gebruikt. Tegenwoordig is er echter data in overvloed, en zijn analytische algoritmes efficiënter dan ooit.

H2 { margin-bottom: 0.21cm; }H2.western { font-family: "Arial",sans-serif; font-size: 14pt; font-style: italic; }H2.cjk { font-family: "Droid Sans Fallback"; font-size: 14pt; font-style: italic; }H2.ctl { font-family: "Lohit Hindi"; font-size: 14pt; font-style: italic; }H1 { margin-bottom: 0.21cm; }H1.western { font-family: "Arial",sans-serif; font-size: 16pt; }H1.cjk { font-family: "Droid Sans Fallback"; font-size: 16pt; }H1.ctl { font-family: "Lohit Hindi"; font-size: 16pt; }P { margin-bottom: 0.21cm; }
Brein en computer: een perfecte match?Stel u voor: bij een doktersbezoek krijgt u te

De strijd tegen epilepsie: ingenieurs helpen meeEpilepsie is een zeer ernstige neurologische aandoening waar wereldwijd zo’n 50 miljoen mensen aan lijden. Helaas zijn de huidige behandelingen nog steeds ondoeltreffend voor ongeveer 20% van deze patiënten. Om de levenskwaliteit van deze patiënten te verbeteren is het uitermate belangrijk dat er doeltreffende alternatieve behandelingen gevonden worden. Ingenieurstechnieken worden tegenwoordig toegepast in deze zoektocht, hopelijk met veel succes tot gevolg.