Om DEIS

Om DEIS

FORSKNINGSAKTIVITETERNE DÆKKER FØLGENDE OMRÅDER:
- Semantiske teorier til modellering af computerprogrammer og systemer
- Design, implementering og modeller til analyse og konstruktion af distribuerede, indlejrede og intelligente systemer
- Algoritmer, metoder og værktøjer til verifikation og validering af programmer og systemer
- Probabilistiske modeller og algoritmer til intelligent beslutningstagning og maskinlæring
MODEL-DREVET UDVIKLING
Hver af de fire ovennævnte forskningsretninger udgør et selvstændigt område.
Derudover er områderne indbyrdes forbundne på forskellige måder:
Semantiske modeller tilbyder vigtige retningslinjer for udvikling af sprog og paradigmer for distribuerede systemer, og de er nødvendige forudsætninger for udvikling af verifikations- og inferensalgoritmer og værktøjer.

Udviklingen af validerings- og inferensværktøjer giver nyt indblik i de underliggende modeller på den ene side og anvendes i miljøer til konstruktion og analyse af distribuerede, indlejrede og intelligente systemer på den anden.
Brugen af distribueret, indlejret og intelligent software i stadig mere komplekse systemer giver værdifuld indsigt i styrker og svagheder ved eksisterende modeller, algoritmer og værktøjer, og tjener som inspiration til udviklingen af nye. Maskinlæring er centralt for datadrevet udvikling af intelligent software. Dette supplerer og fuldender gruppens fokus på modeldrevet udvikling.
Centrale forskningsområder
- 1
Matematisk og logisk teori til modellering og specificering af samtidige processer, herunder kvantitative og sikkerhedsmæssige aspekter
- 2
Værktøjer, algoritmer og datastrukturer til modelkontrol, præstationsanalyse og syntese til komplekse systemer
- 3
Modelbaserede metoder til indlejrede og cyberfysiske systemer
- 4
Analyse og udvikling af netværkstjenester og -protokoller
- 5
Inferens og læring af probabilistiske grafiske modeller
- 6
Maskinlæring ved hjælp af statistiske og logik- og relationsbaserede metoder
- 7
Applikationer inden for en række forskellige domæner, inklusive transport, energi, vandforvaltning, og sundhed.