Context-Aware Machine Learning for Scalable IoT Data Analytics and Visualization Using Semantic Web Technologies

Promovendus/a
Moens, Pieter
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Elektronica en Informatiesystemen
Curriculum
Master in de industriële wetenschappen: elektronica-ICT — afstudeerrichting ingebedde systemen, Universiteit Gent, 2019
Academische graad
Doctor in de industriële wetenschappen: elektronica-ICT
Taal proefschrift
Engels
Vertaling titel
Contextbewust machinaal leren voor schaalbare IoT-data-analyse en -visualisatie met behulp van technologieën voor het semantisch web
Promotor(en)
prof. Sofie Van Hoecke, vakgroep Elektronica en Informatiesystemen - prof. Bruno Volckaert, vakgroep Informatietechnologie
Examencommissie
voorzitter prof. Gert De Cooman (ere-onderwijsdirecteur) - dr. ir. Koen Casier (Amaron) - dr. ir. Ben De Meester (vakgroep Elektronica en Informatiesystemen) - prof. Toon De Pessemier (vakgroep Informatietechnologie) - prof. Bart Mesuere (vakgroep Toegepaste Wiskunde) - prof. Sofie Van Hoecke (vakgroep Elektronica en Informatiesystemen) - prof. Bruno Volckaert (vakgroep Informatietechnologie)

Korte beschrijving

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.

Praktisch

Datum
Woensdag 11 september 2024, 16:00
Locatie
auditorium A - Magnel, gebouw 60 Magnel, eerste verdieping, Technologiepark Zwijnaarde 60, 9052 Zwijnaarde

Meer info

Contact
doctoraat.ea@ugent.be