Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

29670 projets achevés

2811
AB
4990
Av. J.-C.
801
MB
663
NL
825
SK
8841
ON
9197
QC
95
PE
568
NB
1088
NS

Projets par catégorie

Life Signs and Self-Harming Human Gestures, Actions and Behaviors Monitoring with Combined Physiological and Physical Indicators

Suicide is one of the most important causes of deaths in the prison environment, both in Canada and internationally. Rates of attempts of suicide and self-harm have been on the rise in recent years. To address this problem, there is a real and immediate need for an automated, private, and effective monitoring system that can detect attempts of suicide and self-harm in real-time. This project aims to develop monitoring solutions by studying common behavioral patterns and assessing vital signs changes with multi-modal sensing technologies and state-of-the-art artificial intelligence algorithms to detect gestures, actions or behaviors that can be classified as posing a threat to a prisoner’s health and safety. Innovative, reliable and trusted solutions are designed for triggering alarms when the conditions are met in order to assist prison environment’s personnel while ensuring the respect of prisoners’ privacy and confidentiality.

Voir la description complète du projet
Superviseur du corps professoral :

Pierre Payeur

Étudiant :

Partenaire :

Spectronix Inc

Discipline :

Génie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université d’Ottawa

Programme :

Accélération

Machine Learning Techniques for Short-Term Electric Load Forecasting

Once produced, electricity is difficult to store in large quantities. Hence, accurate electric load forecasting is of critical importance to balance production and consumption for modern power grids integrating more and more intermittent renewable energy and variable loads such as electric vehicles. Short-term electric load forecasting for local areas is also of interest to efficiently respond to demand at the distribution level. Any significant forecasting error can result in reliability issues, loss of opportunity, or additional costs to the business, while improvements in forecasting performance could benefit both the consumers and utility companies by optimizing resources and costs. Most of the current short-term load forecasting algorithms assume that the load consumption and energy generation patterns are stationary, which is not the case in real world. In this project, we plan to use recent progress in machine learning to improve the performance and robustness of short-term electric load forecasting.

Voir la description complète du projet
Superviseur du corps professoral :

Benoit Boulet; Di Wu

Étudiant :

Partenaire :

Hydro-Québec

Discipline :

Génie

Secteur :

Services professionnels, scientifiques et techniques; Services publics

Université :

Université McGill

Programme :

Accélération

Gameplay Test Automation with Reinforcement Learning

To ensure high performance for AMD’s graphics cards, the company performs extensive testing on computer game titles. Most gameplay testing is done manually, which results in significant effort and cost expenditure. Thus, this project’s objective is to develop a program capable of learning to automatically play a modern video game. Rather than aiming to optimize performance in the game, the goal is to automate basic actions to explore various graphical scenes the game offers, for the purpose of testing graphics cards. This program will run using reinforcement learning, a type of machine learning focused on enabling a program to learn how to navigate environments by offering it rewards for taking optimal actions. As such, the project’s success would also result in a deeper understanding of reinforcement learning algorithms in practice.

Voir la description complète du projet
Superviseur du corps professoral :

Amir-massoud Farahmand

Étudiant :

Partenaire :

AMD Canada

Discipline :

Informatique

Secteur :

Fabrication; Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Developing MVP Driven Cloud Service Space

Smartphones are becoming a combination of a mobile phone, a digital wallet and mini personal computer all rolled into one place which adds to the need for such virtual space. Virtualization of space or what is generally known as Mobile Virtualization Platform (MVP) include servers, storage and applications into a single solution to eliminate complexity, lowers costs, and frees up management time. However, when assessing MVP solutions, user’s always point to solutions that are easier to use, set up, and administer. This research project is an attempt to provide mobile manageability, security, cost, compliance, application development and deployment over cloud space with a thin software layer (VMware MVP) that will be embedded on a mobile phone to decouple the applications and data from the underlying Smartphone hardware and enabling users to deploy applications and software stack on a wide variety of emulators without worrying about the underlying hardware differences.

Voir la description complète du projet
Superviseur du corps professoral :

Sabah Mohammed; Jinan Fiaidhi

Étudiant :

Partenaire :

VurBox

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université Lakehead

Programme :

Accélération

Large-scale Inversion of geophysical data

When using geophysical methods to gain insight into the structure of earth, large geophysical data sets are collected. Since the earth is a 3D structure, the data must be interpreted and processed in 3D to be of the most value in the exploration process. This research will develop the capability to invert large gravity, magnetics, and airborne EM datasets accurately and in a reasonable timeframe. This requires the research and development of inversion software, data visualization and QC software, and inversion setup scripts. Currently much of the time spent on inversion projects is spent manipulating and formatting the data and additional inversion input files. By researching and developing efficient workflow procedures and robust and automated scripts to create the necessary inversion input files, this setup process can be streamlined and made much more efficient. The partner organization, Computational Geosciences Inc., provides modeling and data processing services for the resource sector.

Voir la description complète du projet
Superviseur du corps professoral :

Eldad Haber

Étudiant :

Partenaire :

Computational GeoSciences Inc

Discipline :

Mathématiques

Secteur :

Mines

Université :

L’Université de la Colombie-Britannique

Programme :

Accélération

Automated Domain Specific Essay Scoring

Blees AI is an educational innovator who believe in transforming and improving the teaching experience and in turn positively impact students learning and maximize their potential. The goal of this project and the company is to provide a complete version of the software platform to the educators to assist their essay grading. Blees AI’s client a large certification body representing a Canadian profession experienced 84% scoring accuracy, 13x faster scoring results, and a 60% cost reduction opportunity by applying its technology. The company automates the process of grading students’ essays and instantly provides consistent and personalized feedback at scale. Also, the company is looking to build automated personalized feedback modules to the students using its data. The AI models do not evaluate sentence structures, or grammar, format, but evaluate the context of the student responses and look for the key concepts that educators are looking for.

Voir la description complète du projet
Superviseur du corps professoral :

Linbo Wang

Étudiant :

Partenaire :

IA Blees

Discipline :

Informatique

Secteur :

les industries de l’information et de la culture; Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Development of multilayer composite systems via co-extrusion process

Extreme conditions in Oil and Gas industry often impose conflicting demands for the optimum mechanical properties as well as long term corrosion resistance. The internal and external side of the pipeline are usually exposed to different environments and are required to possess different characteristics. It is difficult to find a single material to satisfy all above requirements. Therefore, the utilization of the conventional polymers could force undesirable modifications to the pipe characteristics or the operating conditions. An effective approach, to overcome this problem, could be the use of a composite (multilayers) pipe where the different layers strongly bonded to ensure stability in the extreme operating conditions. In this project, we aim to investigate key parameters of the co-extrusion, select the proper materials for the manufacturing of multilayers systems, and characterize the multilayer structures as wells as properties of final multilayer systems.

Voir la description complète du projet
Superviseur du corps professoral :

Patrick C Lee;Hani Naguib

Étudiant :

Partenaire :

Shawcor Ltd (AB)

Discipline :

Génie

Secteur :

Fabrication; L’exploitation minière; Autres services (sauf l’administration publique); Services professionnels, scientifiques et techniques; Transport et entreposage

Université :

Université de Toronto

Programme :

Accélération

Adversarial Robustness of Deep Learning Algorithms on Next-Gen AI Accelerators

Neural Networks play a key role in many modern technologies such as self-driving cars, drones, malware detection, and face recognition. For each of these technologies security and reliability is paramount. Unfortunately, researchers have shown that it is possible to reliably fool the neural networks behind these applications. Which makes identifying the best methods to defend a neural network against an attacker deadset on confusing it very important. This research seeks to compare how various proposed defense methods perform when tested on hardware designed specifically for accelerating neural networks and in doing so develop quick, power efficient defense methods for users of next-gen AMD AI Accelerators.

Voir la description complète du projet
Superviseur du corps professoral :

Gennady Pekhimenko

Étudiant :

Partenaire :

AMD Canada

Discipline :

Informatique

Secteur :

Fabrication; Services professionnels, scientifiques et techniques

Université :

Université de Toronto

Programme :

Accélération

Conception et développement de l’API Mortgagegauge Payout Evaluator

Chez Hypothèque, nous voulons faciliter la construction de la richesse des Canadiens en tant que propriétaires. Dans le cadre de ce projet, nous rechercherons et développerons des améliorations à notre outil Payout Evaluator afin d’encourager davantage nos utilisateurs à agir sur les occasions d’économiser sur les taux hypothécaires ou d’exploiter la valeur nette de leur maison pour bâtir leur patrimoine. Nous construirons ensuite un cadre API qui nous permettra d’amplifier la portée de ces informations en collaboration avec nos partenaires de référence en rendant nos outils facilement intégrés à leur infrastructure.

Voir la description complète du projet
Superviseur du corps professoral :

Albert Danison; Jigisha Patel

Étudiant :

Partenaire :

Hypothèque

Discipline :

Génie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Collège des arts appliqués et de la technologie George Brown

Programme :

Accélération

Conception du réseau logistique et des politiques de gestion d’inventaire chez HydroTech Mining

Le problème sur lequel nous travaillerons consiste à développer un outil d’aide à la décision pour supporter la croissance de HydroTech. L’entreprise est actuellement implantée dans trois régions au Canada (Québec, Ontario et Colombie-Britannique) et souhaiterait poursuivre sa croissance en Ontario et Colombie-Britanique. À cet effet, la question se pose de mieux prévoir la demande dans ces marchés en expansion, mais aussi de savoir si le réseau logistique actuel doit être repensé, afin d’optimiser les flux de pièces et marchandises. Dans un premier temps des méthodes de prévision de la demande seront développées, et les prévisions de demande ainsi obtenues viendront nourrir un modèle mathématique développé pour définir le réseau logistique futur. Lors de la modélisation mathématique, des contraintes réelles de l’entreprise seront introduites et plusieurs stratégies de croissance seront testées. Le projet consistera donc à fournir des recommandations quant au réseau logistique futur à mettre en place en fonction de l’état de la croissance des opérations de HydroTech. Des analyses seront menées pour évaluer la robustesse des réseaux logistiques face à la variation de certains paramètres. Cela mènera à des recommandations concrètes pour l’entreprise.

Voir la description complète du projet
Superviseur du corps professoral :

Matthieu Gruson;Marilène Cherkesly

Étudiant :

Partenaire :

Hydrotech Mining inc

Discipline :

Affaires

Secteur :

Fabrication

Université :

Université du Québec à Montréal

Programme :

Accélération

Une approche basée sur l’ADN pour évaluer les impacts des déchets de bois sur la biodiversité benthique

Les habitats côtiers sont essentiels pour la santé, les moyens de subsistance et le bien-être social des communautés canadiennes. En Colombie-Britannique, les zones de manutention et d’entreposage de bûches créent des déchets de bois qui tombent sur le plancher océanique sans se décomposer, dégradant des habitats importants et réduisant considérablement le nombre d’espèces pouvant y vivre. Pour gérer les impacts de la dégradation de l’habitat, il est important de disposer de méthodes précises pour mesurer la diversité des espèces, mais les animaux marins sont difficiles et longs à identifier, et beaucoup restent inconnus de la science. Une solution possible est de mesurer la diversité des espèces à l’aide du code-barres ADN, qui utilise de courtes séquences d’ADN pour identifier rapidement les espèces. Appliqué à des échantillons environnementaux comme les sédiments du fond marin, le codage à barres peut identifier plusieurs espèces en même temps, augmentant considérablement l’efficacité et réduisant les coûts de surveillance. Ce projet relèvera les principaux défis liés à l’application des méthodes basées sur l’ADN pour surveiller les environnements marins. Nous construirons une bibliothèque de référence de codes-barres ADN pour les animaux du fond marin, affinerons les méthodes d’utilisation de l’ADN pour étudier l’impact des déchets de bois, et évaluerons les forces et les limites des méthodes basées sur l’ADN comparativement à l’identification visuelle. Ce faisant, nous améliorerons considérablement notre capacité à surveiller les espèces marines, améliorant ainsi les politiques et les stratégies de planification pour TOBECONT.

Voir la description complète du projet
Superviseur du corps professoral :

Paul Hebert

Étudiant :

Partenaire :

Biologica Environmental Services Ltd

Discipline :

Sciences de la vie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Guelph

Programme :

Accélération

Fraser Lake Eco Co-op

The Fraser Lake Eco Co-Op will be a state of the art facility centralizing sustainability functions in one unique location. The Eco Co-op will act as an incubator to streamline services, develop resources, create jobs, and improve food security, while exemplifying environmental stewardship, and celebrating culture. The scope of the feasibility study involves the exploration of design solutions related to materials, energy and water on the facility. Building on the work of the Eco Co-op board, a brief exploration of cultural and contextual data will help solidify our understanding of the community’s narrative. Supported by precedent research, the study will evolve into an evaluation of existing and emerging resources and technologies. In doing so, the next step will be a schematic design process to consolidate materials and technology research into three design options. Such options will be proposed to the community, which will then inform decisions on an implementation plan.

Voir la description complète du projet
Superviseur du corps professoral :

Inge Roecker

Étudiant :

Partenaire :

Fraser Lake Eco Co-op

Discipline :

Physique

Secteur :

Autres services (sauf administration publique)

Université :

L’Université de la Colombie-Britannique

Programme :

Accélération

Précédent
1...1,5231,5241,5251,5261,5271,5281,529...2,473
Suivant

Rejoignez un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

Abonnez-vous