Abstract
Nu data science verschillende domeinen betreedt, ontstaan er nieuwe takken door het extraheren van latente kennis uit de data van elk domein. Modelgebaseerde engineering en modellering vormen hierop geen uitzondering. Nu is het tijd om een nieuw hoofdstuk in dit veld te openen door geavanceerde kunstmatige intelligentietechnieken te benutten. Naarmate het aantal en de complexiteit van modellen toenemen, ontstaan er NP-complete problemen die niet effectief kunnen worden aangepakt met deterministische managementoplossingen. Een effectieve manier om deze uitdagingen aan te pakken, is door niet-deterministische intelligente methodologieën en van data science afgeleide oplossingen toe te passen. Het toenemende aantal modellen en de vorming van grote modelrepositories vereisen intelligent modelbeheer, dat erop gericht is verborgen patronen en kennis binnen deze repositories te herkennen met behulp van data science, machine learning-technieken en statistische en probabilistische methoden voor hergebruik. Ondanks de vooruitgang die op dit gebied is geboekt, zowel theoretisch als praktisch, heeft intelligent modelbeheer nog geen prominente plaats verworven in de kennis van modelgestuurde engineering. In dit project streven we ernaar om het beheer van een groot aantal structurele modellen te behandelen, onder intelligent modelbeheer, met behulp van machine learning-algoritmen. Deze doelstelling maakt het mogelijk om kennis uit oude modellen vast te leggen en deze kennis opnieuw te gebruiken in het nieuwe ontwerp, wat leidt tot duurzaamheid en betere prestaties.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)