Datalogi och datorsystemteknik

Datalogi och datorsystemteknik

Forskningen omfattar både praktiska och teoretiska aspekter på databehandling med tillämpningar samt införandet av olika sådana system.

Forskningen är inriktad på två områden:

”Data science”
Inom området ”data science” studerar och utvecklar vi metoder och tekniker för att samla in, lagra, bearbeta och analysera data samt hur data kan användas för till exempel prediktering, klassificering och mönsterigenkänning.

Forskningen vi bedriver sker främst inom maskininlärning, informationsutvinning, ”big data”, planering och schemaläggning samt optimering. Metoderna som vi utvecklar kan användas inom flera områden till exempel beslutsstödsystem, bildanalys, analys av historiska dokument, hälso- och sjukvård, transport och logistik samt anomali- och intrångsdetektering.

Parallella datorsystem
Inom området studerar vi datorsystem som innehåller många beräkningsenheter (processorer), till exempel ”multicore”-system, distribuerade system, molnbaserade system, grafikprocessorer samt olika typer av heterogena system. Vi tittar på hur metoder och tekniker för design, implementation och analys av parallella datorsystem ska utformas för att uppfylla kraven på korrekthet, prestanda, robusthet, skalbarhet, resursutnyttjande och energiförbrukning.

Forskarna studerar både hårdvaruaspekter, systemprogramvara och applikationsprogramvara samt interaktionen mellan hårdvara och mjukvara. Tillämpningarna är främst algoritmer och metoder från ”data science”- området, till exempel algoritmer för maskininlärning, informationsutvinning, mönsterigenkänning, och storskalig data- och bildanalys.

Forskningen inom datalogi och datorsystemteknik bedrivs i huvudsak vid institutionen för datalogi och datorsystemteknik.

Inriktning

Intelligenta transportsystem

Inom intelligenta transportsystem handlar forskningen om integrering av elektroniska vägavgifter och hur tågtrafik kan planeras om vid driftstörningar. Fokus ligger på transportpolicyanalyser, simuleringar, utveckling av sökalgoritmer och på att finna hållbara transportlösningar.

Distribuerade system

Inom distribuerade system studeras arkitekturen hos multiprocessorer och i datamolnet (en teknologi baserad på användning av datorer över Internet). Ett annat område är artificiell intelligens och människa-maskininteraktion. Fokus ligger på olika molntjänster och tillämpningar inom sociala nät.

Säkerhet

Inom säkerhetsforskning används maskininlärningstekniker och anomalidetektion (hitta mönster i data som inte överensstämmer med ett fastställt ”normalt” beteende) för att analysera avvikelser i stora datamängder. Fokus ligger på att upptäcka och åtgärda brister inom polis- och försvarsområden, industritillämpningar och bland slutanvändare.

Intervju med forskare

 

Intervju med Martin Boldt (4 min)
Forskare Martin Boldt och kommissarie Göran Landvall berättar om ett gemensamt projekt som syftar till att klara upp fler seriebrott.

Exempel på projekt

BigData@BTH

Data will be generated at an ever-increasing rate for the foreseeable future. Added value and cost savings can be obtained by analyzing big data streams. The analysis of large data sets requires scalable and high-performance computer systems. In order to stay competitive and to reduce consumption of energy and other resources, the next generation systems for scalable big data analytics need to be more resource-efficient. The research profile, Scalable resource-efficient systems for big data analytics, combines existing expertise in machine learning, data mining, and computer engineering to create new knowledge in the area of scalable resource-efficient systems for big data analytics. The value of the new knowledge will be demonstrated and evaluated in two application areas (decision support systems and image processing).

The needs and interests of our 9 industrial partners are grouped into industrial challenges. Based on these challenges and in cooperation with our partners we have defined initial sub-projects grouped into four research themes:

  • Research theme A: Big data analytics for decision support
  • Research theme B: Big data analytics for image processing
  • Research theme C: Core technologies (machine learning)
  • Research theme D: Foundations and enabling technologies

Finansiär: KK-stiftelsen 2014-2020

Samarbetspartner: Arkiv Digital AD, Compuverde, Contribe, Ericsson, Indigo IPEX, Noda Intelligent Systems, Telenor Sverige, Sony Mobile Communications, and Maingate Enterprise Solutions

Kontaktperson
: Håkan Grahn, hakan.grahn@bth.se

Läs mer om Big data

Cloudtest

CLOUDTEST är ett forskningsprojekt om hur molnteknologier kan användas för att reducera kostnader och energiförbrukning i samband med testning av stora telekommunikationssystem. Idag används hundratals testservrar av bland annat Ericsson för att testa telekommunikationssystem. Dessa servrar är dyra i inköp och underhåll och har hög energiförbrukning. Projektets mål är att utveckla tekniker och metoder som gör det möjligt att skapa ett ”moln” av virtuella testservrar. Tanken är att flera virtuella testservrar ska kunna dela på samma fysiska server och att test-molnet ska kunna användas av utvecklare på olika platser på jorden. Denna teknologi kommer att minska kostnader och energiförbrukning. Projektet delfinansieras av KK-Stiftelsen.

I KKS-finansierade CLOUDTEST arbetar BTH tillsammans med Ericsson, Karlskrona  och ILT Innovations AB.

Kontaktperson: Lars Lundberg

Effektiv omplanering av tåg

Projektet EOT syftar till att utveckla och utvärdera beslutstöd för trafikledaren i omplaneringen med hjälp av parallelisering av en optimeringsbaserad sökalgoritm. Det vill säga, beslutstödet syftar till att ge ett antal effektiva förslag på hur hur tågen ska köras trots förändrade förutsättningar.

En viktig del i projektet är att analysera hur förslagens lämplighet kan bedömas och jämföras för att underlätta för trafikledaren vid val och justering av lösning.

Finansiär: Trafikverket
Kontaktperson: Johanna Törnquist

Läs mer om Effektiv omplanering

Datorbaserat stöd för ökad kunskap om seriebrott

Datorbaserat stöd för ökad kunskap avseende brott av seriebrottskaraktär

Finansiär: Europeiska utvecklingsfonden 2012-2014
Samarbetspartner: Polisen
Kontaktperson: Martin Boldt