Project Update: Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines
RSS Feed
This article was placed on: c2d
Wanneer is het project officieel van start gegaan?
21 maanden geleden (Project pagina)
Hoeveel mensen werken er aan het project?
We hebben momenteel 3 promovendi en er zijn 7 begeleiders betrokken, 4 van de universiteiten (Leiden, Eindhoven, Delft) en 3 van de bedrijven die bij het project betrokken zijn.
Hoe zijn jullie begonnen?
We zijn begonnen met een startbijeenkomst om het onderzoek en de verwachtingen van alle betrokkenen op elkaar af te stemmen. Daarna hebben we ons verdiept in de stand van de techniek en hebben we besloten hoe we het wetenschappelijk onderzoek en de toepassingstaken aanpakken.
Wat is de grootste uitdaging tot dusverre?
De grootste uitdaging op dit moment is het vinden van meer toepassingsgegevens op het gebied van energieverbruik. Parallel daaraan ontwikkelen we nieuwe automatic learning pipelines.
Is er veel contact met de private partners en hoe ziet de samenwerking eruit?
We werken met meerdere private partners, waarbij Honda Research Institute Europe het meest nauw betrokken is bij het project. Honda heeft een eigen academisch onderzoekscentrum en een van onze PHD-studenten brengt drie tot vier maanden per jaar door op hun locatie. De andere private partners zijn in mindere mate betrokken bij het project. Ze leren van het project, zodat ze kennis opdoen door middel van updates, en tegelijkertijd brengen ze hun ervaring in het toepassingsdomein en hun wetenschappelijke achtergrond in.
Zijn de onderzoeksvragen nog aangepast in de loop van het onderzoek?
Nee, het is nog steeds dezelfde vraag. We weten wat we moesten doen, alleen in de details zijn er enkele open vragen die onderweg zijn veranderd. Maar de grote twee vragen zijn nog steeds dezelfde.
In welke fase van het onderzoek zitten jullie nu?
Op dit moment hebben we de eerste resultaten in de ontwikkeling van automatische machineleerleidingen voor multivariate tijdreeksvoorspellingen en multivariate tijdreeksclassificatie, en hun toepassing op de toepassingsdomeinen van het project. Dit zijn energievoorspellingen op basis van energieverbruiksgegevens en de diagnose van de ziekte van Parkinson in video- en EEG-data. De eerste resultaten zijn gepubliceerd.
Wat is jullie uiteindelijke doel?
Het voorspellen van de ontwikkeling van de ziekte van Parkinson bij patiënten en ook het voorspellen van het energieverbruik van gebouwen om ze beter onder controle te houden zijn de toepassingsdoelen, terwijl het fundamentele onderzoeksdoel is om methoden te ontwikkelen voor automatic machinelearning pipelines voor de classificatie en voorspelling van tijdreeksen.