Scriptiebank overzicht

Accurate electricity price forecasting is critical in today’s volatile energy markets, particularly with the increasing penetration of renewable energy sources. This thesis aims to
compare the increasingly popular deep learning techniques with established statistical
models for electricity price forecasting in the Belgian day-ahead market. The comparative study uses a deep learning method called Long Short-Term Memory (LSTM) and
a statistical LASSO-Estimated Auto-Regressive (LEAR) model both in predicting price
values as well as quantifying their uncertainty. The main findings reveal that the LEAR
model outperforms the LSTM model in terms of accuracy and computation time. The
study emphasizes the importance of recalibration for improving forecasts and challenges the notion that deep learning models always outperform statistical methods.
The research contributes to the literature by providing insights into the effectiveness of
different forecasting models in the field of electricity price prediction.

De data die nodig zijn om algoritmes te bouwen die de gezondheid van mens en maatschappij zouden bevorderen zijn beschikbaar, echter vormt het bemachtigen van de benodigde data een groot obstakel.

Dit onderzoek ontrafelt de veranderingen in de hersenen van spreeuwen dooheen de seizoenen door middel van geavanceerde beeldvorming technieken.

Elektronen energieverlies spectroscopie (EELS) is een populaire analytische techniek die zeer direct informatie levert over de chemische samenstelling van een materiaal. Deze thesis gebruikt deep learning en en eigen gesimuleerde EELS dataset om automatisch EELS data te vertalen naar chemische info. Hierbij wordt de tussenkomst van een menselijke expert overbodig.

De afgelopen jaren hebben neurale netwerken realistische spraaksynthese mogelijk gemaakt. Toch is de gegenereerde spraak vaak niet expressief en niet makkelijk te bewerken. ConEx, het model dat ik ontwikkelde, laat gebruikers toe om spraak in een bepaalde stijl te genereren, en achteraf de prosodie aan te passen.

In onze masterproef hebben we de mogelijkheden van een energiebewaking voor de industrie op basis van A.I. en meer bepaald op basis van machine learning onderzocht.

Een data-efficiënte controle-eenheid is ontworpen met behulp van reinforcement learning en gebruik makend van transfer learning om zo een optimale controle te realiseren op het laagspanningsnetwerk. Als flexibiliteitsbronnen worden batterijen en zonnepanelen gebruikt.

In deze thesis werd onderzocht op welke manier kan worden omgegaan met de steeds groter wordende datasets waar bedrijven tegenwoordig mee te maken krijgen. Na een theoretische studie over verschillende technieken voor de verwerking van de beschikbare dataset, werd uiteindelijk toegelegd op de techniek Deep Learning.

Dit bewegingswetenschappelijk onderzoek onderzocht het effect van taak-specifieke tactiele stimulatie op het motorisch geheugen. Naast het waarnemen van gedragsveranderingen, werd evenals de hersenactiviteit geregistreerd om zo de onderliggende neurale mechanismen van dit proces te ontrafelen.

The worldwide effort on fusion research aims to realize a means of producing clean and safe energy for future generations. At the JET tokamak, extensive research is being performed to help accomplish this goal, but as with all complex machinery, component failures occur. In this work, two failure cases at JET are addressed with the goal of predictive maintenance by means of anomaly detection and other machine learning techniques.

Om biodiversiteitsonderzoek te bevorderen, hebben we convolutioneel neurale netwerken gebruikt om dieren op foto's te automatisch te identificeren. Hiernaast kunnen we metagegevens van een foto berekenen. Op beide taken halen we een grote nauwkeurigheid.

Door de recente successen van deep learning en artificiële neurale netwerken te combineren met de biologische kennis van onze hersenen, kunnen we nieuw licht werpen op hoe mensen leren uit nieuwe ervaringen. Deze scriptie onderzoekt target propagation, een wiskundig model over hoe neuronen hun synaptische sterkte aanpassen om leren mogelijk te maken. Op basis van netwerk modellen ontdekten we dat target propagation een vorm van Gauss-Newton optimalisatie is en dat een biologisch netwerk van piramidale neuronen een gelijkaardig gedrag als target propagation kan vertonen.

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.

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.

Met behulp van enkele recente doorbraken in verschillende takken van de wetenschap, waaronder in het kweken van neuronen en het heel precieze meten van hun activiteit, zijn we erin geslaagd de causale connectiviteit — welk neuron stuurt signalen naar welk ander neuron — in een in vitro netwerk van neuronen in kaart te brengen. In de scriptie Fysica worden deze causale connecties in verband gebracht met de stochastiche activiteit van de individuele neuronen. In de scriptie computerwetenschappen worden de parameters van de causale connecties vertaald naar artficiële neurale netwerken.

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.

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.

Waarom geloven mensen? Omdat ze troost nodig hebben? Omdat ze dingen willen verklaren? Dat zijn geen juiste antwoorden, gezien het vermogen om te geloven eerst moet ontstaan, om het dan pas als troost of verklaring te kunnen aanwenden.
Als we kijken naar de structuur van onze hersenen, en de miljoenen jaren evolutie die de mens achter de rug heeft, dan zien we enkele interessante neurologische mechanismen die de kiemen van het geloof zaaien.
  Onze voorouders leefden gedurende miljoenen jaren in hechte groepen, en ontwikkelden hiervoor speciale cognitieve vermogens.

Ontwikkeling van een hersenscanner
                                          Robin Cuypers
 
 
 
Is het waar dat we maar 30 % van de capaciteit van onze hersenen gebruiken? Welke delen van onze hersenen zijn het actiefst en welke zijn het gevoeligst voor ziektes zoals Alzheimer? Hoe kunnen we een tumor lokaliseren? Om op al deze en andere vragen een antwoord te krijgen ontwikkelen we een scanner die de processen in de hersenen zal tonen.

 
Het lijkt het soort vraag dat alleen tot verhitte diskussies leidt bij ontmoetingen tussen Star Trek adepten. Maar, geloof het of niet, dit is geen stukje over science-fiction. De titelvraag houdt al enkele eeuwen, sinds René Descartes ongeveer, de grootste onder de filosofen bezig maar werd pas in 1950 expliciet geformuleerd door Alan Turing. En – niet anders als meestal op café – verdeelt deze vraag de filosofen in 2 kampen. In de ene hoek vinden we de mensen van de strikte en pure logica, de Dr. Spock’s als U wil.