Projekt · Dnr 2019-02750 · Källa: Vinnova
Dependable Deep Learning for Safety-Critical Airborne Embedded Systems
- Koordinator
- Saab AB, Saab AB, Avionics Systems
- Projekttid
- 2019-09-01 till 2023-12-31 (avslutat)
- Beviljat bidrag
- 3 067 606 SEK
- Diarienummer
- 2019-02750
Beskrivning
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 syntetisk generering av data för träning av neurala nätverk har genomförts. Resultaten i projektet överensstämmer i stort med de i projektansökan uppsatta målen. En state-of-the-art konferensartikel inom området machine-learning (ML) i säkerhetskritiska system har skrivits. Därutöver har vi publicerat två tidskriftsartiklar och 8 internationella konferensartiklar. Saab har demonstrerat exekvering av deep learning på heterogen hårdvara för inbyggda system, ett arbete som tas vidare i ett nytt relaterat projekt (FASTER AI). Projektet har genomfört totalt 8 examensarbeten. En förväntad effekt av projektet är ett fördjupat samarbete mellan parterna och stärkandet av forskningen inom området både på företaget och lärosätet.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
Kognitiv studie av fjärrförare
InnoBrain AB · 2021-11-01 · 462 986 SEK · Projekt
I detta projekt var syftet att studera genomförbarheten av att använda Brain-Computer Interface-teknologin genom att använda grunden för neurovetenskap och AIs analyskraften för att utvärdera den kognitiva prestandan av fjärrförare. Avsikten är att utforska detta nya tillvägagångssätt och inse möjli…
-
Klokare ERP-system
Monitor Enterprise Resource Planning System AB · 2020-08-15 · 399 531 SEK · Projekt
Projektet har haft två relaterade målsättningar. Det första målet har varit att uppgradera affärssystemet MONITOR mot en ökad nivå av prediktiv analys och därtill hörande bidrag till systemanvändarnas beslutsfattande i syfte att öka precisionen och kvalitén på tillverkande företags planeringsarbete.…
-
Perfect Sense
UNIBAP AB · 2018-05-24 · 2 000 000 SEK · Projekt
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 där…
-
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…
-
Verksamhetsplan Etapp II, Berzelii Centrum Stockholm Brain Institute
Karolinska Institutet · 2009-01-01 · 30 000 000 SEK · Projekt
<p>Genom ett unikt samarbete mellan Karolinska Institutet, Kungliga Tekniska Högskolan och Stockholms Universitet, samlar Stockholm Brain Institute elva internationellt framstående forskargrupper inom kognitiv neurovetenskap och biologisk beräkningslära. Tre forskningsområden står i fokus för Stockh…