Thesis work - Stochastic Modelling of Advanced Multi-Functional Radars using Reinforcement Learning for Electronic Warfare Applications
Teknik, data och digitalt · Mjukvaru- och webbutveckling · Mjukvaruutveckling · Maskininlärning · Artificiell intelligens
I korthet
Ansvarsområden
- Modellera avancerade multifunktionella radarer (MFR).
- Stokastiskt fånga sekvenser av latenta beskrivningar av de pulser som en MFR skulle sända ut.
- Utforska olika metoder för att modellera avancerade MFRs, där tidsåtgången på målet och vågformen kan anpassas baserat på antingen regelbaserade algoritmer eller en tränad agent.
- Samarbeta med erfarna ingenjörer och specialister.
- Bidra till Saabs tekniska framsteg.
Krav
- Student i sista skedet av sin utbildning.
- Intresse för fysik, tillämpad matematik och maskininlärning.
- Påbörja ett 30-hp examensarbete.
- Arbeta på plats vid Saabs kontor i Solna Strand, Stockholm.
- Måste klara säkerhetsprövning.
Önskade kvalifikationer
- Intresse för avancerade multifunktionella radarer och elektronisk krigföring.
Förmåner
- Möjlighet att tillämpa teoretisk kunskap på verkliga utmaningar.
- Få praktisk erfarenhet.
- Samarbeta med erfarna ingenjörer och specialister.
- Möjlighet att bidra till teknologiska genombrott.
Färdigheter
As a leading defence and security company, we offer solutions that range from the depths of the oceans to high in the sky, on land and in cyberspace, to keep people and society safe. Empowered by our 22,000 talented people, we constantly push the boundaries of technology to create a safer, more sustainable and more equitable world. We design, manufacture and maintain advanced systems in aeronautics, weapons, command and control, sensors and underwater systems. We are headquartered in Sweden and have major operations all over the world and are part of the domestic defence capability of several…
Företag
SaabPublicerade jobb
för 1 dag sedan
Upphör
om 2 veckor
Anställningstyp
Praktik
Arbetsform
På plats
Erfarenhetsnivå
Junior
Platser
Solna, Sweden
Kvalifikation
Sökande
Ansök tidigt
