Analysis of aleatoric and epistemic uncertainty in machine learning.

Deep learning voor regulatorische genomica

Doctoraatsproject Gaetan De Waele

Doctoraatsproject Jelle Hustinx

Doctoraatsproject Lauren Theunissen

Doctoraatsproject Laure Van den Bulcke

Nieuwe methoden voor het bepalen van aleatorische en epistemische onzekerheid in machine learning

Doctoraatsproject Azimberdy Besya

Doctoraatsproject Friederike Mey

Doctoraatsproject Manvel Gasparyan

Doctoraatsproject Michiel Elewaut

Doctoraatsproject Michiel Stock

Doctoraatsproject Nicolas Dewolf

Een algemene theorie voor het gebruik van afhankelijkheden in multi-target predictieproblemen

Identificatie van adaptatiemechanismen die in bacteriële biofilms aanleiding geven tot verminderde antibioticumgevoeligheid d.m.v. experimentele evolutie en machine learning.

Naar een beter begrip van onzekerheidsbronnen in steeds complexere Deep Learning-modellen

Nieuwe neurale netwerken voor single-cell technologieën

Onzekerheid in machine learning

De novo Biologische Sensoren: het volwaardige potentieel van biologische sensoren ontgrendelen, de natuur voorbij

In de voetsporen van de evolutie: verkennen van de potentieel van voorouderlijke enzymsequenties

Integreren van synthetische biologie, systeembiologie en artificiële intelligentie ter ontwikkeling van een betrouwbaar metabolic engineering werkschema toegepast op een microbieel productieplatform voor monoklonale chitooligosacchariden

Microbial resource management van aquacultuur ecosystemen om invasie van pathogenen te voorkomen

Synthetische biologie en artificiële intelligentie, wederkerig leren om samen vooruit te gaan, als stuwende krachten van industriële biotechnologie – versnellen van kennisopbouw en stam engineering

Voorbije klimaatextremen en hun impact op de terrestrische koolstofcyclus

Reciproke preferentierelaties, transitiviteitseigenschappen en graafstructuren als kennisinstrumenten voor