Hoppa till innehållet
Maskininlärning
Visa originalbild , Öppnas i nytt fönster/flik

Vår forskning

Vi forskar inom olika områden av maskinlärning och artificiell intelligens, inklusive djupinlärning, mönsterigenkänning och mänsklig datorinteraktion. Våra forskningsansökningar rör ämnen såsom digital humaniora, utbildning, dokumentanalys och Industri 4.0.

Natural Language Processing (NLP)

Vårt nuvarande arbete fokuserar på olika maskininlärningsmetoder för NLP-uppgifter. I en ny workshop har vi insåg en erkännande pipeline för den ambitiösa uppgiften att avsiktsklassificera lite data där vi överträffade

Valda projekt där vår grupp eller enskilda medlemmar i gruppen är involverade i:

Pågående projekt

Språkmodeller för svenska myndigheter (nov. 2019 - oktober 2022)

 

LTU-Service-chatbot

Ett samarbetsprojekt med LTU Service Desk med målet att bygga en chatbot för att underlätta tillhandahållandet av lösningar för studenter / personal vid universitetet baserat på deras förfrågningar som för närvarande hanteras av universitetets ServiceDesk. Chatboten hanterar automatiskt förfrågningarna och omdirigerar LTU-användare till möjliga lösningar genom textsamtal genom att använda ett webbgränssnitt i webbläsaren.

partners:
- LTU Service Desk

Nationellt Rymddatalabb (juni 2019 - augusti 2021)

Nationellt Rymddatalabb kommer att vara ett nationellt kunskaps- och datahub för svenska myndigheters arbete med jordobservationsdata och för utveckling av AI-baserad analys av data, genererade i rymdsystem. Syftet med projektet är att öka användningen av data från rymden för att utveckla samhället och industrin och till fördel för världen.

Vår roll:
- Ge avancerade bildbehandlingsmetoder anpassade efter pilotprojekten
- Pilotprojekt inkluderar klimatanpassning samt tillämpningar av jordobservationsdata i skogsbruk, fiske och jordbruk
- Organisera hackathons och användarverkstäder

partners:
- Rymdverket
- AI INNOVATION of Sweden
- RISE
- Luleå tekniska universitet

ChatPal

Nuvarande tillhandahållande av tjänster inom mentalhälsa i norra Sverige kan inte möta den ökande efterfrågan på att förebygga och hantera psykisk ohälsa. Det saknas digitalt stöd för mental hälsa för att spåra symtom och för att tillhandahålla behandlingar och hanteringsstrategier vid behov 24/7. Traditionella en-till-en mentalhälsotjänster som stödjer personer med kronisk psykisk sjukdom samt mild till måttlig psykisk sjukdom är dyra och resurskrävande. En-till-en interventionstöd kräver betydande resor för kunder som bor på landsbygden; därför är tillgängligheten till traditionella behandlingar ett särskilt problem. Med tanke på mental ohälsa förblir en
stigma, medborgare känner sig ofta generade när de ställer möten med en stödperson. Psykisk ohälsa kan emellertid, särskilt när den inte behandlas, minska människors funktionella kapacitet och skapa hinder för deltagande. Därför är vårt mål att använda redan befintliga och förfinade metoder för att utveckla nya konversationsagenter (både text- och talbaserade) användare kan kommunicera med utan risken för att bli stigmatiserade och som kan ge stöd samt rudimentär bedömning av emotionell och mental brunn -varelse.

Drönare som lär sig att navigera genom världsförståelse

Automatiserad drone-navigering är en svår teknisk uppgift. Projektet syftar till att lära sig navigering med drönare med maskinlärning. Specifikt kommer drönarna först att lära sig att förstå världen den befinner sig i och sedan använda den kunskapen för att lära sig att navigera. I samarbete med LTU Robotics Lab.

partners:
- LTU Robotics Team, länk

 

Färdiga

HisDoc III

I HisDoc III riktar vi oss till historisk dokumentklassificering för stora mängder okategoriserade faksimiler med avsikt att tillhandahålla nya kapaciteter för forskare inom Digital Humanities. I synnerhet kommer vi att ta itu med uppgiften att kategorisera dokumentbilder med avseende på innehåll, språk, manus och layout. För att göra det kommer vi att utnyttja expertis från våra tidigare projekt HisDoc och HisDoc 2.01. I HisDoc har vi visat att historisk dokumentbildanalys (Dia) effektivt kan tillämpas för att extrahera layoutstrukturer och texttranskriptioner och i det aktuella HisDoc 2.0-projektet har vi framgångsrikt fått ytterligare paleografisk information. De nya bidragen från HisDoc III kommer att kompletteras med dessa metoder för att hantera stora dokumentsamlingar.

iMuSciCA

iMuSciCA är en banbrytande strategi som använder musik för att främja kreativitet och djupare lärande. DIVA-gruppen introducerar penna- och gestbaserad interaktion för samskapande av musik och ljudanalys.