In dit proefschrift hebben we spectroscopische gegevens beschreven en geanalyseerd met op deep learning geïnspireerde methodologieën. Het doel was ontwikkeling van kunstmatige op neurale netwerken gebaseerde methodologieën die kunnen omgaan met bekende uitdagingen bij de analyse van spectroscopische gegevens. De belangrijkste uitdagingen zijn: 1) een beperkt aantal monsters; 2) hoog aantal eigenschappen; 3) gegevens met ruis.
De doelen zijn dan het inbouwen van robuustheid tegen vele soorten ruis in de
monsters en het bieden van middelen voor interpretatie bij een hoge classificatienauwkeurigheid. We hebben ons met name gericht op het ontwikkelen van convolutionele,op neurale netwerken gebaseerde methodologieën voor de classificatie en interpretatie van spectroscopische gegevens. Er zijn veel soorten spectroscopische gegevens die verschillende eigenschappen hebben, maar allemaal spectrale lokaliteit delen: waarden van naburige golflengten of golflengten die niet te veel verschillen van elkaar. We hebben deze eigenschappen gebruikt in onze aanpak.
Jacopo Acquarelli is geboren op 25 augustus 1988 in Umbertide, Perugia (Italië). In 2007 begon hij aan zijn bacheloropleiding Information Engineering aan de universiteit van Siena (Italië), waar hij in april 2010 afstudeerde. Daarna ging hij verder met zijn masteropleiding Computer Science aan dezelfde universiteit. In december 2014 verdedigde hij zijn masterscriptie met de titel ‘Discovering potential clinical profiles of multiple sclerosis from clinical and pathological free text data with constrained non-negative matrix factorization’, het resultaat van zijn stage aan de Radboud Universiteit. In februari 2015 begon Jacopo aan zijn onderzoek over de toepassing van deep learning op chemometrische gegevens, als promotietraject in samenwerking met de Analytical Chemistry-groep van het Institute for Molecules and Materials en de Data Science-groep van het Institute for Computing and Information Sciences aan de Radboud Universiteit. Zijn promotieonderzoek was gericht op de ontwikkeling van methodes voor machinaal leren voor spectroscopische gegevens, geïnspireerd op deep learning, onder begeleiding van prof. Elena Marchiori, prof. Lutgarde M.C. Buydens, dr. Twan van Laarhoven en dr. Jeroen J. Jansen. De resultaten van zijn promotieonderzoek worden in deze dissertatie beschreven. Sinds maart 2019 werkt Jacopo bij TIOBE, een software-kwaliteitsbedrijf in Eindhoven.