Text
Artificiell intelligens och intelligenta system
Grundläggande och tillämpad forskning inom artificiell intelligens och maskininlärning för intelligenta system för både industriella, medicinska och affärsapplikationer. Forskningen fokuserar på metoder och tekniker som möjliggör inlärning, resonemang, återanvändning av erfarenheter och erfarenhetsdelning. Vi arbetar med såväl autonoma AI-applikationer som beslutssupportsystem.
Kontaktperson
Professor
Peter Funk
+4621103153
peter.funk@mdh.se
Professor i artificiell intelligens
Shahina Begum
+4621107370
shahina.begum@mdh.se
För att skapa intelligent beteende i system och tjänster använder vi artificiell intelligens inklusive maskininlärning och resonemang, djupinlärning, dataanalys, kunskapsupptäckt, ontologier, domänkunskap, instansbaserat lärande, djupinlärning, multiagentsystem (MAS) för att nämna några metoder och tekniker. AI är idag en viktig kärnteknologi i många projekt, vilket återspeglas i vår breda samverkan med andra grupper, projekt och universitet både nationellt och internationellt.
Forskningsfokus
- Forskning om maskininlärning och resonemang för ett brett tillämpningsområde inom industri och hälsovård för uppföljning, klassificering, diagnostik, förutsägelse och beslutsstöd.
- Forskning om dataanalys, funktionsutvinning och urval, datautvinning och kunskapsupptäckt
- Forskning om intelligent sensorsystem, datafusion och sensorsignalabstraktion
- Forskning om Big data till Smart data och Prediktiv analys
- Forskning om distribuerad artificiell intelligens och maskininlärning för Big data
- Forskning om djupinlärning för bildprocessering och datorvision
Pågående forskningsprojekt
BRAINSAFEDRIVE will develop a tool as attentional detectors that detect drivers’ mental state in terms of stress, cognitive load, sleepiness in real time during simulated and/or natural driving situations.
Projektansvarig vid MDH: Mobyen Uddin Ahmed
Huvudfinansiering: Vetenskapsrådet
In DIGICOGS, cutting-edge solutions will be achieved through data-driven analytics, real-time monitoring and intelligent adaptive prediction based on combination of information i.e, sensor data, domain and context.
Projektansvarig vid MDH: Mobyen Uddin Ahmed
Huvudfinansiering: Vinnova, PiiA
The ESS-H+ profile will aim for an increased specialization, a significant progression, and raised scientific ambitions, as compared to ESS-H, through deepened co-production with our partner companies within one integrated Focus Area: Sensor systems for health monitoring/monitoring of humans.
Projektansvarig vid MDH: Maria Lindén
Huvudfinansiering: KK-stiftelsen
Internet-of-things and Cloud for Smart Manufacturing
Huvudfinansiering: Stiftelsen för Strategisk Forskning
The purpose of the project "Machine Learning for the prevention of occupational accidents in the construction industry" is to use the best-suited ML algorithm and ensure that the data collected can be used to prevent workplace accidents in the construction industry.
Projektansvarig vid MDH: Shahina Begum
Huvudfinansiering: Vinnova
The purpose of the SIMUSAFE is to improve road safety by understanding the individual and collective behaviour of road users involved (drivers, two wheelers, pedestrians), their interaction between themselves and safety-related systems and services e.g. assess risk perception and decision making.
Projektansvarig vid MDH: Mobyen Uddin Ahmed
Huvudfinansiering: H2020, Vinnova
Underhålls- och supportsystem behöva förmågan att samverka med andra system i nätverk samt funktioner samt inkluderar smarta sensorer, big-data analys, diagnostik, prognostik och resonerande system. Projektet kommer att utforska kombinationen av maskininlärning och big-data-teknik, för att matcha taktiska behov mot underhållsresurser.
Huvudfinansiering: Vinnova
