Doctoraat in de ingenieurswetenschappen: computerwetenschappen

Contextbewust machinaal leren voor schaalbare IoT-data-analyse en -visualisatie met behulp van technologieën voor het semantisch web


Doctorandus Publieke verdediging
Naam: Pieter Moens   Datum: Woensdag 11/09/2024 om 16:00 
Adres: vakgroep Elektronica en Informatiesystemen (EA06)
Technologiepark Zwijnaarde 126, 9052 Zwijnaarde
  Lokatie: auditorium A - Magnel, gebouw 60 Magnel, eerste verdieping, Technologiepark Zwijnaarde 60, 9052 Zwijnaarde
Contact FEA: info.ea@ugent.be   Taal: Nederlands

Curriculum
Master of Electronics and ICT Engineering Technology, Ghent University, 2019

Promotor
Sofie Van Hoecke
Bruno Volckaert

Examencommissie
prof. Gert De Cooman
Sofie Van Hoecke (EA06)
Bruno Volckaert (EA05)
Ben De Meester
Koen Casier
Toon De Pessemier
Bart Mesuere

Onderzoeksthema

In de laatste decennia zijn talloze apparaten uitgerust met sensoren en verbonden met het internet. Deze digitalisering van fysieke apparaten heeft geleid tot het Internet of Things (IoT) en de ontwikkeling van intelligente systemen in verschillende toepassings-domeinen zoals de productieindustrie en de gezondheidszorg. Het stijgende aantal IoT-apparaten en hun heterogeniteit brengen echter ook uitdagingen met zich mee. In dit proefschrift wordt onderzocht hoe de schaalbaarheid van IoT systemen kan worden verbeterd met betrekking tot de collectie, analyse en visualisatie van de gegeneerde sensordata. Enerzijds wordt onderzocht hoe technologieën voor het semantisch web kunnen worden toegepast om de interoperabiliteit tussen de verschillende apparaten te verbeteren, en om van ruwe sensordata tot gestructureerde informatie en kennis te komen. Op basis hiervan wordt een dynamisch dashboard ontworpen dat aan de hand van semantische redenering en een contextbewust aanbevelingssysteem in staat is om de dashboardconfiguratie te vereenvoudigen en het volledige datavisualisatieproces te automatiseren. Anderzijds wordt onderzocht hoe de schaalbaarheid van het volledige IoT systeem kan worden verbeterd met betrekking tot de grote hoeveelheid aan sensordata die moet verwerkt worden. Hiervoor wordt gebruik gemaakt van gedistribueerde softwarearchitecturen waarin elke component individueel dynamisch kan worden geschaald. Dit proefschrift onderzoekt hoe deze complexe systemen automatisch kunnen worden gemonitord.


Taal proefschrift
Engels

Documenten