Datavetenskap och dataanalys
Datavetenskap och dataanalys (CDS) bedriver forskning om nya tillvägagångssätt, algoritmer, tekniker och verktyg inom AI och maskininlärning, optimering, heterogen data från olika avkänningsenheter, mjukvara och hårdvara för robotar, hjärnliknande datorer, som samt formella metoder och statisk programanalys.
Våra modeller och algoritmer kan göra förutsägelser om fysiska och miljömässiga fenomen och förbättra systemens förmåga att anpassa och förfina sitt beteende i realtid, med en hög grad av förutsägbarhetssäkerhet. Forskningen sträcker sig från teoretiska bidrag till tillämpade i nära samarbete med industrin.
CDS är verksamt inom forskning och utbildning på följande fronter:
- Artificiell intelligens, maskininlärning och optimering
- Formella metoder och statisk analys av program
- Robotik och dataanalys.
Relaterade forskningsområden
Artificiell intelligens och intelligenta system
Grundläggande och tillämpad forskning inom AI och maskininlärning för intelligenta system, för både industriella, medicinska och affärsapplikationer.
Läs mer om Artificiell intelligens och intelligenta systemAutomatiserade mjukvaruspråkutveckling och mjukvaruteknik
Forskningsgruppen fokuserar på automatiserad utveckling av mjukvaruspråk och mjukvara genom att tillämpa avancerade beräknings- och datamanipulationstekniker.
Läs mer om Automatiserade mjukvaruspråkutveckling och mjukvaruteknikFormell modellering och analys av inbyggda system
Fokus är på formell modellering, analys och verifieringstekniker för inbyggda system i realtid, speciellt formell syntax och semantik för komponentbaserade och serviceinriktade modeller med extrafunktionella egenskaper såsom tid eller resurser.
Läs mer om Formell modellering och analys av inbyggda systemHeterogena system
Gruppen syftar till att öka nyttjandet av heterogena system när det gäller förutsägbarhet, effektiv utveckling och effektiv integration av mjuk- och hårdvara för nästa generations intelligenta system.
Läs mer om Heterogena systemIndustriell programvaruteknik
Fokuserar på konstruktion och analys av komplexa programvaruintensiva industriella system, vilket inkluderar tekniker, metoder och processer. Särskild tonvikt läggs på komponent- och modellbaserad utveckling av inbyggda system.
Läs mer om Industriell programvaruteknikLärande och optimering
Gruppen syftar till att utforska synergin mellan maskininlärning och optimering för att uppnå samverkande effekter för att bygga högeffektiva och smarta system.
Läs mer om Lärande och optimeringProgrammeringsspråk
WCET analys (längsta exekveringstid), samt design och analys av språk för realtid och inbyggda system. Fokuserar på statisk programanalys för inbyggda system, specialiserad på WCET-analys.
Läs mer om ProgrammeringsspråkProgramvarutestlaboratorium
Testning av inbyggd programvara, empiriska studier av mjukvarutestning, testautomation, modellbaserad testning.
Läs mer om ProgramvarutestlaboratoriumRobotik
Robotikforskningsgruppen bedriver forskning främst inom området för autonoma samarbetssystem. Fokus ligger på anpassningsbar autonomi, trygg och säker vägplanering, realtids 3D-vision, uppdragsplanering för samarbetande autonoma fordon, människa-robot-interaktion, och tillförlitlig elektronik i biomedicinsk teknik och avioniksystem.
Läs mer om RobotikUbiquitous Computing
Datateknik som miljöprocess och miljö som datorenheter. Datorbaserade enheter blir allt mindre, distribuerade och alltmer integrerade i omgivningen. Ubicomp studerar både inneboende databehandling, som den verkar i naturen, och utformad datoranpassning, som konvergerar mot omgivningens intelligens.
Läs mer om Ubiquitous ComputingKontakt
Om du vill veta mer om forskningen, kontakta forskningsledaren.
Pågående forskningsprojekt
CPMXai kommer att utveckla en digital tvilling för kognitivt prediktivt underhåll genom automatisk datamärkning, AI/ML och Explainable AI (XAI) för att minska oönskade situationer och förbättra underhållet i tillverknings- och produktionsprocesser.
Projektansvarig vid MDU: Shahina Begum
Huvudfinansiering: Vinnova, Product2030
Projektet övergripande syfte är att utveckla en autonom spaningsförmåga för obemannade flygsystem, genom att vidareutveckla de resultat som har uppnåtts i tidigare gemensamma projekt.
Projektansvarig vid MDU: Peter Funk
Huvudfinansiering: Vinnova
This research proposes an agent architecture that models the internal operationof an agent, and uses the concept willingness to interact as the backboneof adaptive autonomous behaviour.
In this joint project, we aim at decreasing the power consumption and computation load of the current image processing platform by employing the concept of computation reuse.
Projektansvarig vid MDU: Masoud Daneshtalab
Huvudfinansiering: STINT Stiftelsen för internationalisering av högre utbildning och forskning
Projektet syftar till att tillhandahålla nya teoretiska grunder och praktiska algoritmer för att automatiskt designa skalbara energieffektiva DL-modeller med lågt energifotavtryck och underlätta snabb användning av komplicerade DL-modeller för olika Edge-enheter som uppfyller givna hårdvarubegränsningar. Detta projekt kommer anmärkningsvärt att undersöka prestandaanalys och modellering, optimering och inlärningsalgoritmer följt av omfattande experiment för verifiering.
Projektansvarig vid MDU: Masoud Daneshtalab
Huvudfinansiering: Vetenskapsrådet
INDTECH-projektet är en industriell forskarskola vid MDU, med fokus på implementeringen av Industri 4.0 och tillämpad AI inom produktionssystem i samverkan med 12 partnerorganisationer bestående av ledande industriföretag, forskningsinstitut och teknikcentra samt stödjande organisationer som AI Sverige, PiiA, Automation Region och Blue Institute. INDTECH Industrial Technology Graduate School erbjuder avancerad utbildning inom området industriell digitalisering, ett nytt och framväxande teknikområde som revolutionerar alla aspekter av tillverknings- och processindustrin
Projektansvarig vid MDU: Markus Bohlin
Huvudfinansiering: KK-stiftelsen
Q-Test kommer att göra det möjligt för STL och VCE att nå en gemensam forskningsagenda genom olika uppstartsaktiviteter, vilket gör det möjligt för båda parter att ansöka om ett gemensamt forskningsprojekt inom en snar framtid, inriktat på kvalitetshöjning i testning av inbyggda elektroniska system.
Projektansvarig vid MDU: Wasif Afzal
Huvudfinansiering: Volvo Construction Equipment
Datadrivna utvecklingsmetoder visar sig producera träffsäkra modeller för perceptionsrelaterade funktioner som objektdetektion och semantisk segmentering, men de flesta modellerna saknar de övergripande egenskaper som gör dem lämpliga för tillförlitliga system. Detta projekt ämnar resultera i robusta maskininlärningsmodeller som möter upp och överträffar de krav som ställs för certifiering.
Projektansvarig vid MDU: Masoud Daneshtalab
Huvudfinansiering: Stiftelsen för strategisk forskning
Detta projekt kommer att utveckla självövervakande och kontinuerliga inlärningsmetoder för att främja en bredare tillgänglighet av datadrivet prediktivt underhåll i kraftnät.Kontinuerligt (och livslångt) lärande har hög potential att stödja mer grundade och exakta underhållsbeslut genom att hantera förändrade förhållanden i kraftnät, som t.ex. åldrande av elektriska komponenter. Fallstudier med data som samlats in från kraftnät kommer att utföras för att utvärdera effektiviteten i de föreslagna metoderna.
Projektansvarig vid MDU: Ning Xiong
Huvudfinansiering: SSF
Målet med TRUSTY att tillhandahålla anpassning av transparensnivån för att öka tillförlitligheten för AI-drivna beslut i samband med fjärrstyrda digitala torn (RDT).
Projektansvarig vid MDU: Mobyen Uddin Ahmed
Huvudfinansiering: EU, Sesear3 joint undertaking
Urban Tech syftar till att minska gapet mellan behovsägare och innovatör i utmaningsdriven innovation. Genom etablering av processer och plattformar för öppen innovation mellan större organisationer och SME:r är målet att stärka konkurrenskraften och framgången hos Europeiska företag, främst inom hälsa, miljö och smarta städer.
Projektansvarig vid MDU: Fredrik Ekstrand
Huvudfinansiering: EU
Worst-Case Execution Time (WCET) analysis tries to find an upper bound for the time needed to execute a program. Such WCET bounds are very important when designing and verifying real-time systems. Current industrial practice is to estimate these bounds from measurements, something often complicated and error-prone.
Projektansvarig vid MDU: Björn Lisper
Syftet med projektet är att bestämma kondition för att uppnå en balans mellan att minimera alla körrelaterade trafiksäkerhetsrisker förindividen och samhället och upprätthålla förarens livsstil och sysselsättningsrelaterade rörlighetsoberoende.
Projektansvarig vid MDU: Mobyen Uddin Ahmed
Huvudfinansiering: European Union’s Horizon 2020