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

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

Projektet IDEA syftar till att automatiskt identifiera nyckelvariabler för processövervakning med hjälp av djupinlärning.


Projektansvarig vid MDH: Ning Xiong

Huvudfinansiering: Vinnova

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

Till toppen