Onderwijs Onderzoek Actueel Over de VU EN
Login als
Studiekiezer Student Medewerker
Bachelor Master VU for Professionals
HOVO Amsterdam VU-NT2 VU Amsterdam Summer School Honoursprogramma Universitaire lerarenopleiding
Promoveren aan de VU Uitgelicht onderzoek Prijzen en onderscheidingen
Onderzoeksinstituten Onze wetenschappers Research Impact Support Portal Impact maken
Nieuws Agenda Verbinding maakt verschil
Israël en Palestijnse gebieden Cultuur op de campus
Praktische informatie VU en innovatiedistrict Zuidas Missie en Kernwaarden
Organisatie Samenwerking Alumni Universiteitsbibliotheek Werken bij de VU
Sorry! The information you are looking for is only available in Dutch.
Deze opleiding is opgeslagen in Mijn Studiekeuze.
Er is iets fout gegaan bij het uitvoeren van het verzoek.
Er is iets fout gegaan bij het uitvoeren van het verzoek.

Promotie D. Nieman 3 juni 2025 09:45 - 11:15

Delen
Asymptotics for variational Gaussian processes

Snellere en betrouwbare statistiek: nieuw onderzoek maakt complexe data-analyse toegankelijker

Het analyseren van grote hoeveelheden data met geavanceerde statistische modellen wordt een stuk sneller én betrouwbaarder, dit is de uitkomst van onderzoek van wiskundige Dennis Nieman. Hij onderzocht hoe we met slimme wiskundige technieken – zogeheten variationele benaderingen – complexe statistische berekeningen efficiënter kunnen uitvoeren, zonder in te leveren op nauwkeurigheid.

Wat betekent dit voor de praktijk?
Statistische analyses, vooral in de wetenschap en technologie, kosten vaak veel rekenkracht en tijd. Denk aan modellen die voorspellen hoe ziektes zich verspreiden, hoe klimaatscenario’s zich ontwikkelen of hoe zelfrijdende auto's beslissingen nemen. Bayesiaanse methoden, die onzekerheid expliciet meenemen in hun berekeningen, zijn hiervoor heel geschikt, maar ook rekenintensief.

Nieman laat zien dat variationele benaderingen – een soort slimme snelkoppelingen in het rekenproces – deze analyses aanzienlijk kunnen versnellen. Cruciaal daarbij is dat de methode zich goed aanpast aan de situatie en de onzekerheid correct inschat. Zijn onderzoek geeft nu wiskundige garanties voor wanneer en hoe deze benaderingen betrouwbaar zijn.

Belangrijke inzichten uit het onderzoek:

  • De dimensie van het model, oftewel het aantal kenmerken dat het meeneemt, blijkt bepalend voor de kwaliteit van de uitkomst.
  • Bij een te eenvoudige (laagdimensionale) benadering worden de resultaten onnauwkeurig.
  • Bij een voldoende complexe (hogedimensionale) benadering neemt de betrouwbaarheid toe, al kost dit ook meer rekenkracht.
  • Nieman berekende voor diverse methoden de ideale balans tussen snelheid en nauwkeurigheid.

Een ander belangrijk resultaat: hoewel variationele methoden er soms van worden beschuldigd onzekerheid te onderschatten, laten de modellen in dit onderzoek zien dat het ook anders kan. Met de juiste aanpak geven deze methoden juist wél betrouwbare onzekerheidsinschattingen – essentieel voor elke degelijke statistische analyse.

Waarom is dit relevant ?
Of je nu werkt met medische gegevens, klimaatmodellen of machine learning: deze inzichten helpen onderzoekers en data-analisten betere keuzes maken in hun statistische gereedschapskist. En uiteindelijk profiteren ook gebruikers en consumenten hiervan, doordat technologie en wetenschap sneller, efficiënter en betrouwbaarder worden.

Meer informatie over het proefschrift

Programma

Verdediging van de dissertatie door D. Nieman

Promotie Faculteit der Bètawetenschappen

Promotoren:

  • prof.dr.ir. F.H. van der Meulen
  • J. H. van Zanten

Copromotor:

  • dr. B.T. Szabo

De promotie is tevens online te volgen

Over Promotie D. Nieman

Startdatum

  • 3 juni 2025

Tijd

  • 09:45 - 11:15

Locatie

  • VU Hoofdgebouw

Adres

  • De Boelelaan 1105
  • 1081 HV Amsterdam

Volg de promotie online

Ga naar de livestream

Direct naar

Homepage Cultuur op de campus Sportcentrum VU Dashboard

Studie

Academische jaarkalender Studiegids Rooster Canvas

Uitgelicht

Doneer aan het VUfonds VU Magazine Ad Valvas Digitale toegankelijkheid

Over de VU

Contact en route Werken bij de VU Faculteiten Diensten
Privacy Disclaimer Veiligheid Webcolofon Cookies Webarchief

Copyright © 2025 - Vrije Universiteit Amsterdam