Scriptiebank overzicht

Sinds de opkomst van krachtige AI- en deep learning-modellen is data uitgegroeid tot een essentiële en vaak beperkende factor in het ontwikkelingsproces. Waar eenvoudige modellen vaak kunnen volstaan met beperkte en eenvoudige datasets, vereisen complexere modellen – zoals die voor objectdetectie – steeds grotere en rijkere hoeveelheden gelabelde data. Dit vormt een belangrijk probleem in domeinen zoals sonarbeeldvorming, waar dergelijke datasets niet beschikbaar zijn als kant-en-klare bronnen en handmatige annotatie buitengewoon tijdsintensief en kostbaar is. Dit onderzoek richt zich daarom op de centrale vraag: hoe kunnen semi-supervised en self-supervised leermethoden het labelproces bij objectdetectie in sonardata versnellen, zonder significant verlies aan nauwkeurigheid?

Om deze vraag te beantwoorden is een experimenteel kader opgezet waarin drie benaderingen zijn onderzocht: een volledig supervised baseline gebaseerd op Faster R-CNN, een semi-supervised model met FixMatch, en een self-supervised strategie waarbij een BYOL-model wordt gepretraind en vervolgens gebruikt als backbone binnen een Faster R-CNN-architectuur. De experimenten zijn uitgevoerd op een publieke sonardataset bestaande uit 7600 gelabelde sonarbeelden. Voor de supervised baseline is het model getraind op verschillende hoeveelheden gelabelde data: 1%, 5%, 10%, 50% en 100%. De bijbehorende mAP-scores tonen een sterke daling in nauwkeurigheid naarmate de hoeveelheid gelabelde data afneemt, met resultaten variërend van 0.7717 (100%) tot slechts 0.2799 bij gebruik van 1% van de data.

In het semi-supervised scenario is FixMatch toegepast met 5% en 10% gelabelde data, terwijl de resterende data werd gebruikt als ongelabelde input. Deze aanpak resulteerde in mAP-scores van respectievelijk 0.6649 en 0.6828, wat duidelijk betere prestaties zijn dan het supervised model op dezelfde labelniveaus. Voor het self-supervised model werd BYOL gepretraind op de volledige dataset zonder labels. De representaties die dit opleverde zijn vervolgens geïntegreerd in Faster R-CNN, waarbij opnieuw 5% en 10% van de data gelabeld werd gebruikt voor training. Deze benadering leverde de hoogste nauwkeurigheid binnen de lage-labelscenario's, met mAP-scores van respectievelijk 0.6452 en 0.7230.

De resultaten van dit onderzoek tonen aan dat zowel semi-supervised als self-supervised technieken effectief zijn in het verminderen van de afhankelijkheid van handmatig gelabelde data, terwijl de modelprestaties grotendeels behouden blijven. Met name self-supervised pretraining via BYOL blijkt zeer waardevol in situaties met beperkte gelabelde data. Deze bevindingen bieden praktische aanknopingspunten voor het ontwikkelen van efficiëntere workflows in sonarbeeldanalyse, en zijn relevant voor bredere toepassingen in domeinen waar gelabelde data schaars of moeilijk te verkrijgen is. Hoewel de resultaten veelbelovend zijn, is vervolgonderzoek nodig om de generaliseerbaarheid naar andere types sonardata of real-time toepassingen te evalueren.

Deze masterproef onderzoekt hulpwerkwoordvariatie in werkwoordsclusters met een aspectueel werkwoord, zoals "Ze is/heeft blijven wachten". Het onderzoek heeft tot doel de factoren te identificeren die de keuze voor het hulpwerkwoord van voltooid aspect (hebben of zijn) in zulke clusters beïnvloeden.

Op basis van onderzoek naar hulpwerkwoordvariatie in werkwoordsclusters met een modaal werkwoord, zoals "Ze is/heeft moeten vertrekken", worden taalinterne en -externe factoren geselecteerd die mogelijk een invloed hebben op hulpwerkwoordselectie in clusters met een aspectueel werkwoord (Hofmans 1981, Van Eynde et al. 2016, Dhont 2024). De onderzochte factoren zijn het type hoofdwerkwoord, de afstand tussen het hulpwerkwoord en het aspectuele werkwoord, irrealis, geografische regio en register. Het onderzoek combineert een experiment met een corpusonderzoek. In het experimentele onderzoek zijn acceptabiliteitsoordelen van Vlaamse en Nederlandse respondenten bevraagd en geanalyseerd aan de hand van lineaire regressieanalyses. Het corpusonderzoek in het SoNaR-corpus en het Corpus Gesproken Nederlands biedt inzicht in de frequentie van de onderzochte factoren in clusters waarin hebben het hulpwerkwoord is. Op basis van de resultaten en eerdere analyses (Cardinaletti & Shlonsky 2004, Draye & Van der Horst 2006, Pots 2020) wordt tot slot een formele analyse voorgesteld voor hulpwerkwoordvariatie in clusters met een aspectueel werkwoord.

De resultaten tonen aan dat hulpwerkwoordselectie in clusters met een aspectueel werkwoord beïnvloed wordt door irrealis, geografische regio en register. Een irrealislezing verhoogt de voorkeur voor het hulpwerkwoord hebben, dat meer aanvaard wordt in Vlaanderen dan in Nederland en meer voorkomt in informeel dan in formeel taalgebruik. De invloed van het type hoofdwerkwoord en afstand wordt in de resultaten niet eenduidig aangetoond. De hulpwerkwoordvariatie wordt in de analyse verklaard door de status van het aspectuele werkwoord, dat zich in een grammaticalisatieproces van semi-lexicaliteit naar functionaliteit bevindt en zich daarin verschillend positioneert in Vlaanderen en Nederland.

Drijfveren van macro-economische inkomensongelijkheid in OESO-landen, met een specifieke focus op de rol van inflatie.

De scriptie kadert binnen het ruimer maatschappelijk kader omtrent de klimaat- en biodiversiteitscrisis. Zij omvat een grondige juridische analyse van het internationaal en regionaal rechtskader, dat een directe dan wel indirecte vrijwarende rol kan bekleden voor de veerkracht van bossen. Tot slot is de scriptie geschreven vanuit een multidisciplinaire invalshoek, waarbij recht en wetenschap elkaar afwisselen.

Dit proefschrift beoogt een eerste benadering te zijn voor de ontwikkeling van een testbank die in staat is om automatische tests op een elektronische kaart uit te voeren en de resultaten aan de gebruiker te rapporteren.
De belangrijkste doelstellingen van dit proefschrift zijn het evalueren van de haalbaarheid van het idee en het testen van het concept ervan. Daartoe werden een PC-applicatie en de software voor een microcontroller ontworpen en ontwikkeld, evenals de communicatie tussen beide met behulp van een aangepast protocol.

Deze scriptie presenteert een analyse van de intermedialiteit in Mantra (2001), geschreven door Rodrigo Fresán. Vervolgens bekijken we wat dit zegt over de impact van televisie op ons wereldbeeld.

Er werd onderzocht wat de invloed is van omgevingsfactoren rondom kerkgebouwen op de aan- of
afwezigheid van verschillende vleermuizenpopulaties in (Oost-)Vlaanderen. Omgevingsfactoren in dit onderzoek zijn
de hoeveelheid groene elementen en de hoeveelheid verlichting rondom kerkgebouwen.

De scriptie onderzoekt de ideologieën van extreemrechts in relatie tot klimaatverandering. Er wordt ook gekeken naar de rol van ontwikkelingslanden binnen dit thema. We voeren een empirische analyse uit in Vlaanderen.

Jouw toekomstige collega is een blikopener.Human: "Can a robot write a symphony? Can a robot turn a canvas into a beautiful masterpiece?" Robot: "Can you?" in deze scene uit I robot is de inspecteur zeer sceptisch tegenover robots en noemt ze zelfs canners of blikopeners. In deze film wordt de maatschappij van de toekomst geschetst, waarin robots een plaats aan de zijde van de mensen innemen en hen helpen met alle dagdagelijkse taken. De film lijkt erg futuristisch maar we staan er dichter bij dan we denken.

Er is reeds heel wat onderzoek gedaan naar de impact van een ouderlijke echtscheiding op de schoolresultaten van kinderen. Enerzijds is het merendeel van die studies niet-Vlaams, en anderzijds worden vaker niet-gesofisticeerde onderzoeksmethodes gebruikt.

The real batmanIedereen kent de fictieve superheld ‘Batman’, maar heb je er ook bij stilgestaan of het mogelijk is om een echte ‘batman’ te zijn? Om te kunnen horen zoals vleermuizen en je te oriënteren op basis wat je hoort? Misschien ben jij hier wel toe in staat:Sluit je ogen en maak klikgeluiden met je tong of neurie terwijl je je hand voor je gezicht houdt.Beweeg nu je hand dichter naar je mond toe en dan verder van je mond weg. Breng je hand links naar je gezicht en dan eens rechts, terwijl je steeds geluiden blijft maken op eenzelfde toon.

Kunnen we zien met onze oren?InleidingWeerkaatsingen van geluid kunnen ons informatie geven over de ruimte waarin we ons bevinden. In dit werk werd onderzocht, of het mogelijk is om enkel op basis van geluid een 3D-model te vormen van een kamer. Onderzoek naar dit topic is actueel, eerste publicaties zijn pas in 2010 verschenen. Ook heeft recent een bijdrage hiertoe de ‘Best Paper Award’ in ontvangst mogen nemen[1]. Naast een 3D-model van de kamer, willen we ook weten waar een object of persoon erin zich bevindt. Dit opnieuw enkel op basis van geluidsgolven.