Projekt · Dnr 2018-01870 · Källa: Vinnova
Perfect Sense
- Koordinator
- UNIBAP AB, Unibap AB
- Projekttid
- 2018-05-24 till 2019-05-31 (avslutat)
- Beviljat bidrag
- 2 000 000 SEK
- Diarienummer
- 2018-01870
Beskrivning
Projektet har framgångsrikt uppfyllt målet av att definiera och demonstrera en prototypapplikation för användning av syntetiskt data vid träning av neurala nät. Syntetiskt data kan användas inom Unibaps systemlösningar för att förstärka träningen av neurala nät genom att reproducera defekter och därmed även snabba på processen att genomföra ett projekt på. Det behövs nu en mindre mängd arbete från kunder med att samla data att träna näten på.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
Effektiv träning av neurala nätverk
Bitynamics AB · 2024-07-29 · 220 000 SEK · Projekt
Detta projekt syftade till att utveckla beräknings- och energieffektiva algoritmer för att träna AI-modeller i PyTorch. Arkitekturen som vi jobbade med kan parallelliseras, vilket gör inferensen ännu mer effektiv. Ett viktigt resultat är att vi nu har ett demo på effektiva algoritmer som demonstrera…
-
DELPHI Diagnos genom att nyttja fysikaliska insikter i neurala nätverk
Scania CV AB · 2022-03-30 · 4 715 351 SEK · Projekt
Projektet hade som mål att utveckla metoder för att generera datadrivna residualer med hjälp av strukturell information och tidseriedata. Man undersökte hur modellerna kan tränas och hur man kan hantera när träningsdatat inte är representerar de felfall man vill diagnosticera. I fallstudier tillsamm…
-
Dependable Deep Learning for Safety-Critical Airborne Embedded Systems
Saab AB · 2019-09-01 · 3 067 606 SEK · Projekt
Projektets syfte har varit att studera maskininlärningsbaserade säkerhetskritiska system ur olika perspektiv, vilket har redovisats i vetenskapliga artiklar. Exempelvis har metoder för neurala nätverk i tillförlitliga system undersökts. Forskning gällande metoder för korrekt urval av data samt synte…
-
OptiSense - Enhancing Quality and Sustainability with Optical Sensors and Physics-Informed Neural Networks
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2025-08-25 · 2 125 000 SEK · Projekt
Målet med det föreslagna projektet är att utveckla ett system för att testa hypotesen att fysikinformerade neurala nätverk (PINN), med hjälp av processkunskap i kombination med externa data (bilder, yttopografi) tillsammans med realtids- och historiska processdata, kan användas för att optimera prod…
-
DFusion - Data Fusion av störningsdata
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2021-10-01 · 6 000 000 SEK · Projekt
Projektet uppfyllde de flesta målen och utvecklade metoder för grundorsaksanalys, prediktivt och preventivt underhåll, ramverk för datainsamling från källor som process- och sensordata, och sökmotor för tidsseriedata och analyser hos industripartners visade potentialen med datafusion. Utbildningsmat…