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
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: Maria Lindén
Huvudfinansiering: KK-stiftelsen
Internet-of-things and Cloud for Smart Manufacturing
Huvudfinansiering: Stiftelsen för Strategisk Forskning
Industrial production is meeting new challenges in the global and digitalized economy where consumers are expecting almost instant delivery and where consumption patterns change rapidly based on quickly evolving trends.
Projektansvarig: Jakob Axelsson
The goal of SIMUSAFE following the FESTA-V model methodology is to develop realistic multi-agent behavioural models in a transit environment where researchers will be able to monitor and introduce changes in every aspect , gathering data not available in real world conditions.
Projektansvarig: Mobyen Uddin Ahmed
Huvudfinansiering: European Commission
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
