Scriptiebank overzicht

De industrie vereist elke dag complexere processen en logistiek, wat heeft geleid tot de opkomst van multi-agent systemen. Hierbij werken meerdere robots, voertuigen of machines in dezelfde omgeving. Dit stimuleert de behoefte aan multi-agent bewegingsplanners die de bewegingen van deze agents op een efficiënte en veilige manier coördineren en plannen.

Daarom presenteert deze scriptie een nieuwe, op model predictieve controle (MPC) gebaseerde bewegingsplanner voor holonomische multi-agent systemen, door een gedecentraliseerde formulering van de alternating direction method of multipliers (ADMM) te combineren met een gecentraliseerde formulering van control barrier functions (CBF's). De methode is ontwikkeld met het oog op, maar niet beperkt tot, industriële magnetische levitatieplatforms zoals het Beckhoff XPlanar-systeem.

De klassieke gecentraliseerde MPC-benadering blijkt te schalen met ∼ O(N^2,96), waardoor de methode onuitvoerbaar wordt bij een toenemend aantal agents. Hoewel gedecentraliseerde ADMM de tijdcomplexiteit aanzienlijk vermindert, kan deze de veiligheid niet garanderen, d.w.z. er bestaat een risico op botsingen. Daarom wordt de methode aangevuld met een extra optimalisatieprobleem waarin CBF's zijn opgenomen. Het resultaat is een veilige methode die schaalt met ∼ O(N^1,82). Deze veiligheidsgarantie stelt ons in staat om het aantal ADMM-iteraties vast te leggen, waarbij een afweging wordt gemaakt tussen prestaties en rekenkracht.

Om de realtimeprestaties verder te verbeteren, biedt dit werk een C++-implementatie van de hybride methode, die gebruikmaakt van de gedecentraliseerde ADMM-structuur door de code te parallelliseren. Dit vermindert de rekentijd voor 5 en 10 agents met respectievelijk 90,1% en 60,5%. De hybride methode wordt vervolgens kwalitatief en kwantitatief vergeleken met de gecentraliseerde MPC-methode. Ten slotte wordt een proof of concept gepresenteerd door de algoritmen te implementeren en te testen op het XPlanar-systeem.

Deze masterproef ontwikkelt en onderzoekt een nieuw audioverwerkingsalgoritme voor cochleaire implantaten, met als doel de geluidswaarneming dichter bij het normaal gehoor te brengen. Hiervoor werd een gesloten-lusarchitectuur ontworpen waarin een model van een normaalhorend systeem wordt vergeleken met een slechthorend systeem met implantaat. Via deep learning wordt het verschil tussen beide systemen geminimaliseerd, zodat het implantaatmodel geoptimaliseerd kan worden.

Deze thesis behandelt het black-box-probleem van machine learning (ML) en het daaruit voortvloeiende gebrek aan gebruikersvertrouwen bij beursvoorspellingen. Er wordt een beslissingsondersteunend systeem geïntroduceerd en geëvalueerd dat de betrouwbaarheid verhoogt. Het systeem combineert hiervoor de voorspellingen van zes uiteenlopende ML-modellen met een transparante, historische analyse. De kerninnovatie is een zoekmachine die historisch vergelijkbare marktperioden identificeert. Vervolgens toont het systeem hoe de modellen in die analoge situaties presteerden: het plaatst hun toenmalige voorspellingen naast de daadwerkelijke marktresultaten.

Een empirisch gebruikersonderzoek vergeleek deze “Multiple Models View” (MMV) met een simplistische interface die slechts één model toonde. De resultaten tonen aan dat de MMV significant betrouwbaarder werd gevonden, het vertrouwen van gebruikers verhoogde en de risico's van voorspellingen effectiever communiceerde. Gebruikers schreven dit toe aan de grotere transparantie, omdat ze meerdere modellen konden vergelijken, en aan de concrete context die de historische prestatie-analyse bood. De thesis concludeert daarom dat de combinatie van meerdere modellen en een historische similariteitsanalyse een krachtige strategie is om weloverwogen gebruikersvertrouwen in complexe, AI-gedreven financiële systemen te creëren.

Deze paper introduceert een innovatieve tool voor het automatisch semantisch annoteren van machine learning-processen in RDF, met als doel om deze te integreren op het semantische web. Dit bevordert transparantie en helpt bij het naleven van de GDPR-wetgeving. De tool maakt gebruik van de Function Ontology (FnO) om Python-functies, -methoden en -klassen semantisch te beschrijven, en integreert de Provenance Ontology (ProvO) om datatransformaties tijdens het verwerkingsproces vast te leggen. Door het beschrijven van functie-implementaties kunnen gebruikers deze processen nadoen en uitvoeren, terwijl gedetailleerde provenance-informatie wordt vastgelegd. Bovendien worden MLFlow en de MLSchema Ontology gebruikt om machine learning-modellen en hun trainingsprocessen in RDF-formaat te beschrijven. Deze beschrijvingen worden gevisualiseerd met behulp van een stroomdiagram. Dankzij de semantische beschrijving van machine learning-operaties via deze tool kan een individu meer controle behouden over zijn eigen data.

Dengue, een door muggen overgedragen virus, vormt een belangrijke wereldwijde bedreiging voor de gezondheid, vooral in tropische en subtropische gebieden. Met een toenemende incidentie en geografische verspreiding zijn effectieve vaccinatiestrategieën cruciaal voor het beperken van de gevolgen. Dit proefschrift onderzoekt het gebruik van
multi-objectieve multi-armed bandit (MOMAB) algoritmen om optimale vaccintoewijzing te identificeren voor de onderdrukking van dengue-epidemieën, waarbij medische werkzaamheid en monetaire kosten tegen elkaar worden afgewogen.

Het onderzoek gaat na of MOMAB-algoritmen efficiënt een subset van optimale vaccinatiestrategieën kunnen identificeren op basis van stochastische simulaties. Door het dengue-model van Recker et al. uit 2009 uit te breiden met ondersteuning voor vaccinatiestrategieën en leeftijdsheterogeniteit, simuleerden we de effecten van 53 verschillende strategieën.

We pasten verschillende MOMAB-algoritmen aan voor Pareto Front Identification (PFI) en stellen ook een volledig nieuw Top-two Pareto Front Thompson Sampling (TTPFTS) algoritme voor de PFI setting. Om de kwaliteit van de aanbevelingen van de beschouwde algoritmen te evalueren, hebben we drie metrieken ontwikkeld: de Bernoulli metriek, de Jaccard similarity metriek en de Hypervolume metriek.

Uit tests over 100 experimentele herhalingen met een beperkt budget van 30.000
simulaties bleek dat de algoritmen Pareto UCB1, TTPFTS en Pareto Thompson Sampling
consistent uitstekend presteerden in termen van efficiëntie en stabiliteit, en drastisch beter presteerden dan de momenteel gebruikte Uniform Sampling-methode.

De bevindingen tonen aan dat PFI MOMAB-algoritmen effectief zijn in het identificeren van optimale vaccinatiestrategieën voor de bestrijding van dengue op een efficiënte manier. Dit onderzoek draagt bij aan de optimalisatie van vaccinatieprogramma's en biedt een robuust besluitvormingskader voor volksgezondheidsfunctionarissen die geconfronteerd worden met de uitdaging van dengue-epidemieën. Het onderzoek onderstreept het potentieel van MOMAB-algoritmen om de strategische inzet van vaccins, ziektebeheer, en ziektebestrijding te verbeteren.

Deze scriptie behandelt hoe computersimulaties gebruikt kunnen worden om dieren in de natuur na te bootsen, specifiek springspinnen. Met deze simulaties kan er zowel onderzoek gedaan worden naar het gedrag van de spinnen als naar mogelijke designs voor een springende robot. Om deze simulaties uit te voeren werd er gebruik gemaakt van evolutionaire algoritmen, om zo de ontwikkeling van het dier in echte evolutie na te bootsen.

Naarmate robots steeds belangrijker worden in diverse industrieën, krijgt de coördinatie van meerdere autonome robots in gedeelde omgevingen meer aandacht in onderzoek. Multi-Robot Systemen (MRS) beloven verhoogde efficiëntie, robuustheid en nieuwe mogelijkheden, maar brengen ook uitdagingen met zich mee, vooral op het gebied van bewegingsplanning. Dit geldt met name voor de coördinatie van meerdere manipulators, waarbij geavanceerde strategieën nodig zijn door de hoge dimensionale complexiteit van het probleem.

Traditioneel worden gekoppelde en ontkoppelde methoden gebruikt om het probleem van bewegingsplanning voor meerdere robots aan te pakken. Gekoppelde methoden hebben aanzienlijke schaalbaarheidsproblemen, omdat de reken- en geheugencapaciteit exponentieel toeneemt met elke extra vrijheidsgraad (DOF) in het systeem. Ontkoppelde methoden daarentegen zijn beter schaalbaar, maar leveren vaak suboptimale oplossingen en bieden geen garanties dat er een oplossing wordt gevonden, zelfs als die er is.

Dit onderzoek verkent een hybride aanpak tot bewegingsplanning, dat gebruikmaakt van Conflict-Based Search (CBS) als het low-level zoekalgoritme voor Probabilistic Roadmaps (PRM). Deze hybride benadering combineert de voordelen van zowel gekoppelde als ontkoppelde methoden. De effectiviteit van de hybride aanpak is geëvalueerd en vergeleken met beide methoden via Python-gebaseerde simulaties in twee experimentele opstellingen: één met vlakke manipulators in elkaars nabijheid en een andere met Franka Emika Panda-manipulators in PyBullet. De resultaten tonen aan dat CBS-PRM beter schaalt bij toenemende dimensionaliteit vergeleken met gekoppelde methoden, en dat het verbeterde slagingspercentages en efficiëntere paden oplevert ten opzichte van ontkoppelde methoden.

De ontwikkeling van deze hybride methode werd ondersteund door de creatie van een bibliotheek voor multi-robot bewegingsplanning, die de besproken algoritmen implementeert en benchmarking in verschillende scenario's ondersteunt. Hoewel de hybride aanpak aanzienlijke verbeteringen biedt, zijn er nog volop mogelijkheden voor verdere verfijning en optimalisatie.

Deze thesis onderzoekt de integratie van Federated Learning (FL) binnen het domein van het voorspellen van de hersenleeftijd met behulp van structurele Magnetic Resonance Imaging (MRI) scans. Door gebruik te maken van het FL-framework Flower stelt dit onderzoek medische instellingen in staat om samen voorspellende modellen te ontwikkelen en tegelijkertijd de gegevensprivacy te waarborgen en te voldoen aan regelgeving zoals GDPR en de California Consumer Privacy Act. Door domeinaanpassingstechnieken toe te passen om ervoor te zorgen dat de leeftijd op alle knooppunten vertegenwoordigd is, vermindert dit onderzoek de problemen die ontstaan door heterogene gegevensdistributies, waardoor de modelprestaties verbeteren. De bevindingen benadrukken de effectiviteit van het gebruik van voorgetrainde modellen, namelijk met algoritmen zoals FedProx, die cliëntdrift corrigeren en hun voordeel aantonen in scenario's met zeer scheve gegevensdistributies. Dit onderzoek onderstreept het potentieel van FL om competitieve modellen te produceren die geschikt zijn voor praktische toepassing in neuroimagingtaken. De implicaties reiken verder dan het voorspellen van de hersenleeftijd en suggereren bredere toepassingen in de gezondheidszorg, waar gegevensprivacy en samenwerkend leren cruciaal zijn. Deze thesis dient als een fundamentele inspanning, waarbij theoretische vooruitgang wordt samengevoegd met praktische toepassingen in de medische diagnostiek, en moedigt verdere verkenning en ontwikkeling in deze domeinen aan.

De toenemende adoptie van elektrische voertuigen brengt nieuwe uitdagingen met zich mee op het gebied van fraudepreventie en -detectie. Dit onderzoek richt zich op het ontwikkelen van AI- ondersteunde datavisualisatietechnieken binnen een webapplicatie, om frauduleuze activiteiten, zoals 'vehicle-to-grid'-detectie, 'charge pass fraud', en abnormaal gebruik, te identificeren en te analyseren binnen de groeiende markt van elektrische voertuigen en oplaadinfrastructuur.
De methodologie omvat een literatuurstudie naar machinelearningalgoritmen en frameworks voor zowel de frontend als de backend van de webapplicatie. Relaties in de database werden opgezet met foreign keys en kolommen werden geïndexeerd om prestaties te verbeteren. Er werd een visuele data-analyse uitgevoerd, een isolation forest-algoritme werd ontwikkeld om anomalieën te detecteren, en een API werd gecreëerd voor toegang tot data en resultaten. Tot slot werd een webapplicatie ontwikkeld voor de visualisatie van anomalieën.
De resultaten van dit onderzoek omvatten de ontwikkeling van een operationele webapplicatie met behulp van het Vue.js framework en een REST API gemaakt met FastAPI. Deze webapplicatie is in staat om frauduleuze activiteiten te detecteren en te visualiseren met behulp van het isolation forest AI-algoritme. Deze resultaten dragen bij aan een betere detectie van frauduleuze activiteiten binnen het EV-oplaadecosysteem, wat essentieel is voor het behoud van de integriteit van de oplaadinfrastructuur en het vertrouwen van gebruikers.

Nucleaire fusie kan de toekomst van schone energie zijn, maar er zijn problemen met iets genaamd ELMs. Dit zijn plotselinge uitbarstingen van energie die de reactorwand kunnen beschadigen, vergelijkbaar met stoom die vrijkomt uit een snelkookpan. Deze thesis gebruikt AI om ELMs te vinden, wat onderzoek naar fusie-energie gemakellijker maakt.

Deze thesis voert diepgaand onderzoek uit naar zowel het wettelijke als het maatschappelijke kader omtrent pornografische deepfakes. Het hoofddoel was tweeledig: allereerst te onderzoeken of er bestaande juridische mechanismen zijn om slachtoffers van pornografische deepfakes te ondersteunen, en ten tweede te verkennen of dit fenomeen kan worden ingebed in een bredere context van genderongelijkheid. Dit onderzoek werd uitgevoerd door middel van een uitgebreide literatuurstudie gevolgd door interviews met 17 experten, variërend van beleidsmakers tot belanghebbenden, uit zowel België als Nederland.

Het genereren van fysisch correcte beelden in video games is computationeel gezien een zeer zware taak. Om dit mogelijk te maken, wordt er gebruik gemaakt van het zogenaamde path tracing of ray tracing algoritme. In deze scriptie bekijken we hoe we het path tracing algoritme schaalbaar kunnen maken voor vele gebruikers, waarbij de berekeningen gedaan worden door een centrale server.

Deze scriptie bevat onderzoek naar meer efficiënte en routinematige screening en kwantificatie-methoden voor Pyrrolizidine-alkaloïden in commerciële thee preparaten.

Biedt het Belgisch algemeen bestuursrecht afdoende waarborgen teneinde een transparante aanwending van algoritmische systemen in de overheidsbesluitvorming te kunnen waarborgen?

In deze scriptie werd met behulp van een computationele methode de overeenkomsten en verschillen onderzocht tussen de ziekte van Alzheimer en depressie. Hiervoor werden netwerken geconstrueerd uit data dat voordien al beschikbaar was.

Deze thesis evalueert het gebruik van gedistribueerde signaalverwerkingsalgoritmen voor de online classificatie van "motor-imagery"-data in draadloze EEG-sensornetwerken met als doel de benodigde communicatiebandbreedte te verkleinen die zulke netwerken belemmerd een realiteit te worden. Hiertoe werd eerst een gedistribueerde classificatiepijplijn ontwikkeld. Daarna werd de performance van zulke systemen geëvalueerd door zowel emulatie op basis van experimentele HD-EEG data om de accuraatheid te bepalen alsook door modellering van de energieconsumptie en latency.

Evolutie van metabole netwerken van micro-organismen via Quality-Diversity optimalisatie algoritmen om strain design strategieën te voorspellen die de groei van micro-organismen en de productie van metabolieten maximaliseren.

De verregaande integratie van technologie in platformorganisaties maakt de top-down verrijking van het werkontwerp uitdagend en beperkt bijgevolg de mogelijkheden om werknemers intrinsiek te motiveren. Daarom onderzocht deze masterproef de relatie tussen dagelijkse job crafting (d.w.z. dagelijkse taak, dagelijkse relationele, dagelijkse cognitieve, en dagelijkse tijd-ruimtelijke job crafting) en dagelijkse intrinsieke motivatie door dagelijkse jobverrijking, aan de hand van een algemene vragenlijst en een vierdaagse dagboekstudie (N = 196 dagen genest binnen 51 individuen). Daarnaast onderzochten we of de persoonlijke behoefte aan groei en ontwikkeling van platformwerkers het effect van dagelijkse jobverrijking op dagelijkse intrinsieke motivatie modereerde.

Hoe kan je binnenkijken in het digitale brein van een AI? Dit werk focust zich op Explainable Artificial Intelligence (XAI) en een techniek om het gedrag van een Deep Reinforcement Learning (DRL) agent over te brengen naar een meer interpreteerbaar model. We verbeteren een recente techniek, dat van neurale bomen in combinatie met knowledge distillation, met een adaptieve vorm die ons kleinere en beter verstaanbare modellen oplevert.

Deze masterthesis gaat in op twee aspecten van het werk van Bruno Latour, die op het eerste gezicht moeilijk verzoenbaar lijken: zijn epistemologische positie die tot de strekking van het constructivisme behoort en zijn praktische filosofie met een pleidooi voor verbindende kritiek. Dat beide aspecten op gespannen voet lijken te staan, ligt aan het feit dat het constructivisme niet met verbindende, maar met negatieve kritiek wordt geassocieerd: het ontmaskert en deconstrueert vaste waarden en objectieve feiten. De vraag hoe Latours theoretische visie over de construeerbaarheid van feiten te verzoenen valt met zijn praktische ideaal van een verbindende kritiek, vormt dan ook de centrale onderzoeksvraag van deze thesis.

There has been countless research on why well-integrated European youth become interested in radical Islam. This research will explore what radicalism and extremism mean within the context of far-right radicalisation. Extreme right figures and their ideologies have gained prominence in Western society. The journey towards upholding these ideologies isn't easy to document. We speak of a 'far-right pipeline'. An individual isn’t instantly converted but rather nudged into a direction until they freefall. These new populist movements are different from the traditional radical right: They like to provoke and their spread happens entirely online. The author puts our current social media and political climate, and its effect on the young generation, in perspective. This research aims to build an understanding of how teenagers can be exposed to thinly veiled online radicalisation.

Het monitoren van de zoutwater intrusie in de intergetijden zone met elektrische resistiviteit tomografie. De mogelijkheden en limitaties identificeren met oog op toekomstig onderzoek

Deze thesis onderzocht een techniek om de stijl te leren van driedimensionale gebouwen in de vorm van regels tussen geometrische vormen. Deze regels worden gebruikt om originele gebouwen in dezelfde stijl als de voorbeelden te genereren.

In deze scriptie werd een budgetaire gps-tracker uitgewerkt die gelinkt is aan een webapplicatie. Dit maakt het winter- en watersporten veel veiliger en aangenamer, los van een te hoge prijs die men dikwijls betaalt.

Het univalentie axioma helpt bij de formalisatie en automatisatie van wiskundig redeneren. Dit wordt geïllustreerd met een voorbeeld over decimale en binaire getallen.

Dit werk focust op de verbetering van evolutionaire computeralgoritmen die gebruikt worden voor de optimalisatie van (bio-)chemische processen. De hoofdbijdrage van dit werk is enerzijds de introductie van gebruikersvoorkeuren in de optimalisatieprocedure en anderzijds de ontwikkeling van een nieuw, probleem-relevant stopcriterium voor het algoritme. Dit geeft aanleiding tot een vereenvoudigd keuzeproces en een kortere rekentijd.

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.

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.

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.