Scriptiebank is een vrij toegankelijke online databank. Deze bevat alle artikels en full text scripties van deelnemende bachelors en masters aan de Vlaamse Scriptieprijs.

Flexible matrix multiplication kernels on GPUs

Thomas Faingnaert
Matrixvermenigvuldiging ligt aan de kern van machinaal leren, een deelgebied van de artificiële intelligentie. Softwarebibliotheken bevatten manueel geoptimaliseerde versies van matrixvermenigvuldiging voor de meest gangbare technieken in machinaal leren, maar kunnen niet gebruikt worden voor onderzoek naar nieuwe technieken. Deze masterproef presenteert een flexibel raamwerk waarmee een breed scala aan ML berekeningen kunnen worden uitgevoerd, zonder te moeten inboeten aan snelheid.

Deep learning voor autosegmentatie van computertomografie (CT) beelden in radiotherapie

Jeffrey De Rycke
Dit onderzoek gebruikt een diep neuraal netwerk om de organen van een patiënt in te tekenen op een CT-scan. Hiermee wordt het werk van de radiotherapeut-oncoloog in de radiotherapie sterk verligt.

“Je kan mij uit de betaalzone halen / maar je kan de betaalzone niet uit mij halen”

Pauline Van Dun
Deze thesis is een analyse van vijf gedichten van Shop Girl van Dominique De Groen. De jonge dichteres wil met haar bundel de problematiek van de fast fashion aankaarten.

Computer-aided diagnosis of ischemia and infarction for the treatment of acute ischemic stroke

Ine Dirks
In deze master thesis werd aangetoond dat machinaal leren de behandeling van patiënten met een acuut herseninfarct kan optimaliseren. De complexe afleiding en interpretatie van zogenaamde parametrische mappen kan vervangen worden door een computermodel dat een voorspelling doet over de locatie en grootte van de zones die in gevaar zijn door de verminderde bloedtoevoer. Bovendien heeft dit model tot bijna de helft minder hersenscans nodig dan de huidige methode.

Brein-computer interfaces met machinaal leren: dataselectie voor overdracht van informatie in ingebeelde beweging

Bjorn Vuylsteker
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.

Energieverbruik voorspellen en clusteren met Gaussiaanse processen

Christiaan Leysen
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.

Segmenteren van Skeletale Spiercellen in Histologische Beelden met behulp van Machinaal Leren en Beeldverwerking

Thomas Janssens
Kan een computerprogramma je leven redden? Automatische analyse van ziek celweefselEr wordt de laatste jaren steeds meer vooruitgang geboekt op het gebied van medische beeldvormingstechnologie. Artsen en clinici hebben meer dan ooit tevoren enorme hoeveelheden visuele patiëntdata ter beschikking. Deze enorme explosie aan gegevens vergroot hun kennis, maar dreigt hen ook boven het hoofd te groeien. Scans en analyses van weefselmonsters resulteren vaak in tientallen, honderden of zelfs duizenden beelden, die allemaal met de hand onderzocht dienen te worden.

Maken machines en mensen dezelfde fouten? Een fMRI-onderzoek.

Eliane Deschrijver
‘Missen is menselijk’; of maken machines dezelfde fouten als mensen?Fouten maken deel uit van het leven. Zelfs het meest perfectionistische individu ziet zich bijna dagelijks geconfronteerd met allerlei vergissingen, hetzij door eigen toedoen hetzij in confrontatie met andermans of machinaal falen. En dit is maar goed ook. Wie immers geen actie onderneemt, maakt geen kans om een fout te maken en daaruit te leren. Fouten detecteren is daarom voor de mens erg belangrijk. Maar wat gebeurt er juist in je hersenen als je iemand in je omgeving een fout ziet begaan?

De toekomst van hulpverlening. Beeldvorming in sciencefiction

Tine Lievrouw
 
“Ik ben niet geïnteresseerd in het verleden. Ik ben geïnteresseerd in de toekomst,
want daar verwacht ik de rest van mijn leven te vertoeven.” - Charles Kettering
 
Toekomstverhalen over hulpverlening in sciencefictionfilms vormen een waardige ‘instrumental tool’. Huidige tendensen worden er haast karikaturaal in gerepresenteerd dankzij het stereotype ‘what if?’ template van het genre. Op die manier alarmeren ze ons en verhogen ze het bewustzijn omtrent actuele trends.