Algoritmer
Software Platform and Component Environment for yoU (Space4U)
Tidsperiod: 7/2003 - 6/2005
Forskare: Patrik Floréen, Michael Przybilski, Teemu Kurppa.
Finansiering: Nokia forskningscentral
EUREKAs ITEA-projekt Space4U (Software Platform and Component Environment for yoU) fortsätter arbetet som det tidigare ITEA-projektet ROBOCOP startade. ROBOCOP resulterade i en komponentbaserad arkitektur för mellanvara till inbyggda anordningar. I Space4U är målet att utvidga denna arkitektur med hjälp av energihantering, feltolerans samt distanshantering av terminaler. HIIT/BRU fungerar inom projektet som underleverantör för Nokia forskningscentral. Arbetet koncentreras till de delar av Space4U som berör hantering av terminaler samt kontextberoende konfigurering. Den här delen av projektet utvecklar det kontextbaserade valet, överföringen och exekverandet av programvarukomponenter i terminaler med begränsade resurser.
Projektet indelades i två skeden. Det första skedet, “Terminal Software Management System Design/Development”, började i juli 2003 och fullbordades i juni 2004. Det andra skedet, “Terminal Management Demonstrator Development”, började i juli 2004 och fortsatte till juni 2005. Under år 2005 förverkligade projektet en ny version av Robocop Runtime Environment (RRE), samt deltog i den slutliga specifikationen av det expanderade programvaruramverket och beskrivningarna av de expanderade metoderna och teknikerna, utvecklade demonstratorer och presenterade dem vid ITEA-symposiet i oktober 2005.
Trust4All
Tidsperiod: 10/2005-09/2006
Forskare: Patrik Floréen, Michael Przybilski
Finansiering: Nokia forskningscentral
Vårt arbete med ITEA-projektet Trust4All har att göra med kontextmedveten adaptering av pålitliga system, särskilt vad gäller beroende- och säkerhetsegenskaper. Projektet utvecklar en mellanvaruarkitektur för inbyggda system, vilka kräver en viss nivå av pålitlighet på grund av de tjänster de erbjuder.
För att göra adapteringen möjlig använder vi ramverk och mekanismer som har utvecklats av de tidigare projekten ROBOCOP och Space4U. Projektet ROBOCOP specificerade och förverkligade en mellanvaruarkitektur som lämpar sig särskilt väl för mobila apparater och handdatorer. Projektet Space4U utvidgade denna mellanvara med feltolerans, energihantering och terminalhantering, inklusive säker nerladdning.
Flera europeiska universitet och företag deltar i projektet. HIIT/BRU fungerar inom projektet som underleverantör för Nokia forskningscentral.
Projektet har påbörjat sin verksamhet med att studera arkitekturkrav och förtroendesystem, samt med användarexempel och specifikationer för demonstratorer.
Mobile Life – MobiLife
Tidsperiod: : 9/2004 – 12/2006
Forskare: Patrik Floréen, Petteri Nurmi, Michael Przybilski, Jukka Suomela, Cilla Björkqvist, Fredrik Boström, Eemil Lagerspetz
Finansiering: EU
Syftet med det integrerade projektet MobiLife är att utveckla nya användarcentrerade mobila tillämpningar och tjänster för det dagliga livet, och att ta dem i bruk. Nokia koordinerar MobiLife-projektet, och där ingår 22 samarbetsparter från nio länder. Det hör till en större grupp EU-projekt som går under namnet Wireless World Initiative (WWI). Gruppen vid HIIT/BRU koncentrerar sig på kontextmedvetenhet. Vi studerar metoder för kontextmedveten slutledning samt deltar i utvecklingen av en kontextmedveten arkitektur. HIIT/BRU leder den del av projektet som är fokuserad på kontexthantering.
År 2005 arbetade vår grupp med utvecklingen och specificeringen av ett kontexthanteringsramverk (Context Management Framework). Gruppen koncentrerar sig på kontextslutledning. Vi har utvecklat och förverkligat en generisk slutledningskomponent som tillåter användningen av olika slutledningsmekanismer. För detta ändamål har vi förverkligat en slutledningsmekanism som använder Bayesisk klassificering. Vi har också arbetat med datauppsamlingsverktyg som fungerar över olika plattformer, studerat automatisk detektion av socialt betydelsefulla grupper ur kontextdata, samt befrämjat att MobiLife-arkitekturen integreras i den allmänna WWI-systemarkitekturen.
Nätverk och arkitekturer för proaktiva system – Algoritmik (NAPS) - Networking and Architecture for Proactive Systems– Algorithmics (NAPS)
Tidsperiod: 1/2003-12/2005
Forskare: Patrik Floréen, Petteri Nurmi, Jukka Suomela, Jukka Kohonen, Fredrik Boström, Marja Hassinen, Joonas Kukkonen, Jouni Sirén
Finansiering: Finlands Akademi, PROACT-forskningsprogrammet
Detta HIIT/BRU projekt tillhör NAPS-konsortiet (Networking and Architecture for Proactive Systems), dit även professor Pekka Orponens (laboratoriet för databehandlingsteori, Tekniska högskolan) och professor Jorma Virtanens (laboratoriet för nätteknik, Tekniska högskolan) forskningsgrupper tillhör. Konsortiet är en del av Finlands Akademis forskningsprogram Proaktiv informationsteknik (PROACT). De modeller för nätberäkning och datakommunikation som behövs inom proaktiva tillämpningar ställer nya krav på design och analys av algoritmer.
Under år 2005 fortsatte man inom projektet att forska i energieffektiviteten i sensornätverk. Vi studerade balanserad datainsamling, där både helhetsmängden av data som samlas till en basstation och minimum av data som samlas från olika sensorer maximeras. Projektet utvecklade en ny approximeringsalgoritm för optimering av routning i detta sammanhang [1]. Projektet studerade också förbättring av balanserad datainsamling med hjälp av extra länknoder [2]. Vår tidigare forskning rörande maximeringen av livslängden i ad hoc-nätverk presenterades i en tidskriftsartikel [3].
Referenser: [1] P. Floréen, P. Kaski, J. Kohonen, P. Orponen: "Lifetime maximization for multicasting in energy-constrained wireless networks". IEEE Journal on Selected Areas in Communications 23 (2005), 117-126. [2] J. Suomela: "Computational Complexity of Relay Placement in Sensor Networks." Proc. 32nd Conference on Current Trends in Theory and Practice of Computer Science (SOFSEM 2006, Merin, Czech Republic, Jan 2006), Lecture Notes in Computer Science 3831. Springer-Verlag, Berlin, 2006, 521-529. [3] P. Floréen, P. Kaski, J. Kohonen, P. Orponen: "Exact and approximate balanced data gathering in energy-constrained sensor networks." Theoretical Computer Science 344 (2005), 30-46.
Generiskt programbibliotek för strängalgoritmer - Generic Library of Algorithms on Strings (GLAS)
Tidsperiod: 1/2004-12/2007
Forskare: Juha Kärkkäinen Jarkko Toivonen Esko Ukkonen
Finansiering: Finlands Akademi
Projektet har som syfte att planera och implementera ett mångsidigt programbibliotek med strängalgoritmer och –datastrukturer. Tillämpningsområden finns inom t.ex. beräkningsbiologi, informationssökning samt andra sektorer där man behandlar data i strängar.
Tyngdpunkten för projektet år 2005 låg på planeringen av den grundläggande arkitekturen för biblioteket samt implementering av kärndelarna. En artikel som behandlade arkitekturen publicerades under årets lopp. Ett motsvarande biblioteksprojekt har varit på gång vid Freie Universität Berlin, och vi har startat ett samarbete med dem för att kombinera de två biblioteken.
Approximerings- och inlärningsalgoritmer - Approximation and learning algorithms (ALEA)
Tidsperiod: 1/2005-12/2008
Forskare: Ilkka Autio, Jyrki Kivinen
Finansiering: Finlands Akademi
Approximeringsalgoritmer är metoder för sökning av icke-optimala lösningar till beräkningsproblem. Syftet är att spara på beräkningresurser med problem för vilka det är svårt att finna en exakt lösning.
Grundmetoden inom maskininlärning består av att utforma en hypotes på basen av givna exempeldata. Hypotesen förklarar exemplen och är så enkel som möjligt. Det är oftast mest naturligt att använda approximeringsalgoritmer för detta, eftersom det kan vara svårt beräkningsmässigt att utforma en enkel hypotes, och det är ofta onödigt att förklara alla exempel så exakt: exemplen kan innehålla fel som det inte ens är meningen att inlärningsalgoritmen skall spåra.
Projektet studerar approximeringsalgoritmer, särskilt för maskininlärningens behov. En deletapp är att modifiera konventionella approximeringsalgoritmer, som har baserats på värstafallsscenarier, så att de kan använda sig av lätta fall vilka ofta förekommer i praktiken. En annan approach är att utveckla maskininlärningsmodeller och metoder med vilka man kan undvika ett approximeringsproblem som man vet att är svårt, antingen genom att förändra representationsform för en hypotes eller genom att formalisera inlärningsproblemet på ett helt annorlunda sätt.