Inbyggda system
Lärande och optimering
Gruppen syftar till att utforska synergin mellan maskininlärning och optimering för att uppnå samverkande effekter för att bygga högeffektiva och smarta system.
Kontaktperson
Vår metodforskning handlar om: metaheuristik för inlärning, datadriven inlärning i optimering, realtidsinlärning, datareduktion och funktionsutvinning, inlärning och optimering under osäkerhet.
Vi är också aktivt engagerade i praktiska applikationer för att testa och tillämpa de nya utvecklade metoderna och algoritmerna i nuvarande utmanande scenarier såsom industriella eller biomedicinska. De intressanta applikationsområdena inkluderar (men är inte begränsade till) följande:
- Maskininlärning och optimering i kraftenheter och kraftsystem
- Processövervakning i realtid (både inom industri och hälsovård)
- Komplex dataanalys i biofeedback-system
- Processautomatisering och intelligenta styrsystem
- Beteendeinlärning och kontroll för autonoma robotar
- Identifiering av Cyberattack
Pågående forskningsprojekt
The objective of RECOG is to develop new technology for innovative brain-training for people with cognitive deficits. The ability to focus our attention on relevant information, maintain and manipulate this information during a short period of time (our Working Memory, WM), is central for human cognition.
Projektansvarig vid MDU: Elaine Åstrand
Huvudfinansiering: KK-stiftelsen