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

+4621151716

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

ADAPTER: Adaptive Learning and Information Fusion for Online Classification Based on Evolving Big Data Streams

The aim of the project is to develop a new methodology for adaptive, distributed learning and information fusion from evolving data streams, based on the MapReduce paradigm.


Projektansvarig: Ning Xiong

Huvudfinansiering: Vetenskapsrådet

Machine learning in power devices and power systems

The project will support knowledge sharing and exchange between Mälardalen University (MDH) and ABB Corporate Research (in Västerås).


Projektansvarig: Ning Xiong

Huvudfinansiering: Vinnova