machine learning

Das Potenzial von Telekom-Diagnosedaten für die automatisierte Störungsdiagnostik im Niederspannungsnetz nutzen: Mit Hilfe von Machine Learning kann die Ursache für ca. 70 Prozent der Niederspannungsnetzstörungen ohne zusätzliche Hardware automatisch detektiert werden.

Die rechtzeitige Erkennung von Anomalien in Kommunikationsnetzen ist speziell für zeitkritische Anwendungen wichtig. Denn je mehr Zeit vergeht, desto schwerwiegender können die Folgen sein. Eine Software-Architektur kann mittels Machine Learning Anomalien in Echtzeit erkennen und darauf reagieren.

Salzburg Research entwickelt gegenwärtig ein automatisiertes Verfahren für nachhaltiges, individuelles Stressmanagement. Ein lernender Agent soll Stress-Mehrebenendiagnostik, personalisierte Stressprofile und Interventionen im Arbeitskontext ermöglichen.

Dynamic Mobility Nudge: Mit strategischer Datennutzung nachhaltige Mobilität in Städten fördern.

Den Sortiervorgang einer Industrieanlage intelligent zu machen war das Ziel von Masterstudenten und Junior Researcher Georg Schäfer. Mit Methoden des Machine Learning will der gebürtige Salzburger die Industrie revolutionieren.