Ajankohtaista

Koneoppimisen keinoin voidaan tukea päätöksentekijää

Monille käytännön päätösongelmille on tyypillistä se, että useita ristiriitaisia tavoitteita tulisi optimoida samanaikaisesti. Tällöin päätöksentekijä kaipaa tukea löytääkseen parhaan tasapainon eli parhaan kompromissin tavoitteiden väliltä. Olemme kehittäneet päätöksenteon tukimenetelmiä optimointiongelmille joissa on laskennallisesti vaativia simulointeja tai kun lähtökohtana on dataa.

Esimerkki tällaisista tehtävistä on Valtran traktorihytin ilmanvaihtokanavan optimaalisen muodon suunnittelu, jossa taustalla on virtausdynaaminen simulointi ja hybridi-sähköauton säätö. Kehitetyt menetelmät ja työkalut hyödyntävät tekoälyn ja koneoppimisen menetelmiä päätöksenteon tukemiseen.

Työ on tehty Tekesin ja yritysten rahoittamassa FiDiPro-projektissa DeCoMo (Decision Support for Complex Multiobjective Optimization Problems), jossa professori Yaochu Jin Surreyn yliopistosta on työskennellyt Jyväskylän yliopistossa osa-aikaisesti 3 vuoden ajan. Projektissa on ollut myös muuta liikkuvuutta 13 henkilötyökuukauden verran ja tuloksena on ollut 9 julkaistua artikkelia, 14 konferenssiesitelmää, 1 väitöskirja ja useita käsikirjoituksia sekä menetelmäimplementaatioita. Projektin tulosseminaari järjestettiin tänä syksynä (kuva alla). Työ jatkuu Jyväskylän yliopiston uudella päätösanalytiikan profilointialalla.

Lisätietoja:

 

ArtificiaIIntelligenceSupportedDecisionMakinginIndustrygroup_3600.jpg
DeCoMo-workshop
kuuluu seuraaviin kategorioihin: