Text

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

No partial template found

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 som 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