| Source DB | nl |
|---|
| Institution | UGent |
|---|
| Code | d9e7f463-ca91-4dab-8b52-bd7862c40b4d |
|---|
| Unit | 16a28d37-6005-49e4-be1b-46b8c76f6640
|
|---|
| Begin | 10/1/2020 |
|---|
| End | 9/30/2024 |
|---|
| title fr |
|
|---|
| title nl | Data-efficiënt machinaal leren voor ingenieurstoepassingen
|
|---|
| title en | Data Efficient Machine Learning for Engineering Applications
|
|---|
| Description fr |
|
|---|
| Description nl | Het doel van dit onderzoek is de ontwikkeling van nieuwe technieken in surrogaatmodellering. Surrogaatmodellen zijn snelle benaderende modellen voor anders complexe en tijdrovende nauwkeurige computersimulaties. Ze kunnen worden gebruikt in diverse ingenieurstoepassingen (elektronica, mechanica, enz.) voor optimalisatie, verkenning van de ontwerpruimte, sensitiviteitsanalyse, enz., waar de berekening van extra computersimulaties te duur zou zijn.De constructie van surrogaatmodellen vereist het gebruik van technieken van machinaal leren op het resultaat van computersimulaties. Data-efficiëntie is essentieel om de maximale hoeveelheid nuttige informatie uit de kleinst mogelijke set gegevenspunten te halen, omdat elk nieuw gegevenspunt een bijkomende dure nauwkeurige simulatie vereist.
|
|---|
| Description en | The goal of this research is the development of novel techniques in surrogate modelling. Surrogate models are fast approximative models for otherwise complex and time-consuming high-fidelity computer simulations. They can be used in diverse engineering applications (electronics, mechanical engineering, etc.) for optimisation, exploration of the design space, sensitivity analysis, etc., where the computation of additional computer simulations would be too costly.The construction of surrogate models requires the use of machine learning techniques on the outcome of computer simulations. Data efficiency is essential to extract the maximal amount of useful information from the smallest possible set of data points, as each new data point requires an additional costly high-fidelity simulation.
|
|---|
| Qualifiers | - Data Efficiency - Engineering Applications - Machine Learning - Simulations - Surrogate Models - data-efficiëntie - ingenieurstoepassingen - machinaal leren - simulaties - surrogaatmodellen - |
|---|
| Personal | Laermans Eric |
|---|
| Collaborations | |
|---|
