Wilhelm Söderkvist Vermelin
Forskare
Forskningsintressen
Wilhelm har en bakgrund inom fysik och tillämpad matematik. Forskningsintressen inkluderar dataanalys, maskininlärning och datahantering i industri och produktion. Forskningen innebär att tillämpa datadrivna metoder i industriell kontext som t. ex.
- Datadrivet underhåll
- Tillförlitlighet
- Analys av tidsseriedata
- Maskininlärning
Projekt
Wilhelm har bl. a. deltagit i projekt gällande digitalisering av induktionshärdning (DigPIn), datadriven störningshantering (D3H) och ökad tillförlitlighet hos elektronikkomponenter (iREL4.0).
Han är även doktorand i forskarskolan IndTech vid Mälardalens Universitet forskningsfokus ligger kring resursoptimering och analys av energisystem.
Nyckelord:
data, djupinlärning, datorseende, prediktivt underhåll, artificiell intelligens, optimering, matematisk modellering, Python, NumPy, Pandas, PyTorch, JAX, Rust
- A Link between the Lab and the Real World-A Setup for Accelerated Aging of Powe…
- Collaborative Training of Data-Driven Remaining Useful Life Prediction Models U…
- Comparing Feature and Trajectory-Based Remaining Useful Life Modeling of Electr…
- Data-Driven Remaining Useful Life Estimation of Discrete Power Electronic Devic…
- Simple Hybrid Model for Estimating Remaining Useful Life of SiC MOSFETs in Powe…
- Self-supervised learning for efficient remaining useful life prediction
- Self-supervised Learning for Efficient Remaining Useful Life Prediction