Text
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
Professor i artificiell intelligens/lärande system
Ning Xiong
021-15 17 16
ning.xiong@mdh.se
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 MDH: Elaine Åstrand
Huvudfinansiering: KK-stiftelsen