In the rapidly evolving field of Machine Learning , selecting the most appropriate model for a given dataset is crucial. Understanding the characteristics of a dataset can significantly influence the outcomes of predictive modeling efforts, making the study of the properties of the dataset an essential component of data science. This study investigates the possibilities of using simulated human data for personalized applications, specifically for testing clustering approaches. In particular, the study focuses on the relationship between dataset characteristics and the selection of the optimal classification model for clusters of datasets. The results of this study provide critical insights for researchers and practitioners in machine learning, emphasizing the importance of dataset characteristics and variability in building and selecting robust models for diverse data conditions. The use of human simulation data provide valuable insights but requires further refinement to capture the full variability of real-world conditions.
DOCUMENT
Het doel is dat de betrokken partijen leren van dit onderzoek. Tevens is een doel om testen en oefenen te stimuleren om zo de informatiebeveiliging te verbeteren. Door goede praktische voorbeelden op dit thema met elkaar te delen kan dit thema verder worden gestimuleerd. Testen en oefenen vormen essentiële onderdelen van professionele informatiebeveiliging. Door te testen ontstaat een concreet beeld van de kwaliteit van de informatiebeveiliging en de verbeterpunten hierin. Door te oefenen kunnen de verbeterpunten worden aangepakt. Vanuit deze gedachte is er behoefte aan een onderzoek dat resulteert in een praktisch en gedragen advies dat antwoord geeft op de volgende onderzoeksvragen: 1. Wat is de huidige situatie van testen en oefenen in het kader van informatiebeveiliging bij de sectoren provincies,gemeenten en waterschappen? 2. Wat is op dit gebied de gewenste situatie en behoefte bij deze overheden? 3. Wat is nodig om de gewenste inzet van testen en oefenen ten behoeve van de verbetering van informatiebeveiliging door deze overheden te bereiken
DOCUMENT
Aan de hand van de ‘customer journey’ beschrijven we in dit rapport welke barrières mensen met een beperking ervaren voor, tijdens en na de reis en hoe de reisindustrie hierop kan inspelen. In dit rapport vatten we de belangrijkste bevindingen samen van vijf onderzoeksrapporten en ons literatuuronderzoek.
DOCUMENT
De beschikbaarheid van elektriciteitsdistributienetten staat onder druk. Ooit zijn deze netten ontwikkeld voor de distributie van elektriciteit vanuit een beperkt aantal centrales naar vele industriële en zakelijke gebruikers en huishoudens. Door de noodzakelijke energietransitie neemt de druk op de distributienetten almaar toe. Zozeer dat het netwerk op meer en meer plaatsen “vol” zit en er geen nieuwe aansluitingen of uitbreidingen meer gebouwd kunnen worden en de gevoeligheid voor storing toeneemt. Aan de faculteit van EWI aan de TU Delft is Advanced Distortion Detection Technique (ADDT) ontwikkeld. Een techniek waarmee instabiliteiten in netwerken voorspeld kunnen worden. De spin-off van de TU Delft GridSign, heeft de techniek doorontwikkeld en met gesimuleerde data getest. In de volgende fase van de ontwikkeling zal de techniek toegepast worden op kunstmatig gegenereerde “High Impedance Faults”(HIF’s) in een laboratorium setting. Het project ziet op het ontwerp en bouw van een testopstelling waarin HIF’s gegenereerd kunnen worden, onder andere met afgekeurde netwerkcomponenten van consortiumpartner Stedin en waarop de ADDT van consortiumpartner GridSign in een praktijkomgeving getest en doorontwikkeld kan worden. Door de inzet van de GridSign technologie kunnen storingen en daarmee overlast en kosten voor gebruikers, voorkomen worden. Tevens kan een belangrijk deel van het correctief onderhoud vervangen worden voor preventief onderhoud, dat in de regel beter te plannen is minder kosten met zich meebrengt. Typische gebruikers van de GridSign technologie zijn regionale en private netbeheerders. Tevens zien we interesse van producenten van slimme meters, die met de GridSign technologie waardevolle functionaliteit aan hun meters kunnen toevoegen.
