Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Våra e-tjänster för ansökningar, projekt och bedömningar stänger torsdagen den 25 april kl 16:30 för systemuppdateringar. De beräknas öppna igen senast fredagen den 26 april kl 8:00.

Dependable Deep Learning for Safety-Critical Airborne Embedded Systems

Diarienummer
Koordinator Saab AB - Saab AB, Avionics Systems
Bidrag från Vinnova 3 067 606 kronor
Projektets löptid september 2019 - december 2023
Status Avslutat
Utlysning Nationella flygtekniska forsknings programmet 7
Ansökningsomgång Nationella flygtekniska forskningsprogrammet 7 - 2019

Syfte och mål

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.

Resultat och förväntade effekter

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.

Upplägg och genomförande

Projektet genomfördes i början enligt planerat upplägg. När väl projektet hade pågått ett tag och forskningsområden identifierats, upptäcktes nya möjligheter till forskning och nya ansökningar skrevs. Via SSF fick huvudprojektledaren i SafeDeep själv möjligheten att forska på 80% av sin tid. MDUs forskningsprofil Dependable Platforms for Autonomous Systems and Control, medförde att forskningen i SafeDeep tydligare kunde synliggöras. Personalförändringar inom projektet medförde att forskningsinriktningen ändrades och att nya forskningsområden utforskades.

Externa länkar

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 30 januari 2024

Diarienummer 2019-02750

Statistik för sidan