Témakiírások
Bioinspirált mesterséges intelligencia modellek és algoritmusok kutatása
témakiírás címe
Bioinspirált mesterséges intelligencia modellek és algoritmusok kutatása
intézmény
doktori iskola
témakiíró
tudományág
témakiírás leírása
A mesterséges intelligenciát egyre több területen alkalmazzák. A korszerű mesterséges intelligencia módszerek a legtöbb esetben biológiailag inspiráltak. A manapság legdominánsabb terület, a mélytanulás is ilyen, melynek alapjait a biológiai neuronok inspirálták. Sok egyéb megközelítés is van a mesterséges intelligenciában.
Az egyik ilyen tématerület az evolúciós algoritmusok. Számos optimalizációs módszer van, melyet a természetben folyó jelenségek inspiráltak. Ezen algoritmusok előnye, hogy képesek megoldani a problémákat és közelítő megoldást találni akkor is, ha a probléma nemlineáris, magas dimenziószámú, nem folytonos. Ezekben az algoritmusokban az egyedek, akárcsak a természetben, populációkat alkotnak. Ezek az evolúciós folyamatokat utánzó módszerek könnyen alkalmazhatók optimalizációs problémák megoldására. Egy egyed a feladat egy megoldását jelenti. A populáció folyamatos fejlődése biztosítja, hogy egyre jobb egyedeket kapunk, azaz a problémát egyre jobban sikerül megoldani, a közelítés egyre pontosabb lesz. A kutatás egyik tárgya evolúciós algoritmusok vizsgálata. Fontos kérdés ezen algoritmusok hatékonyságának és pontosságának a növelése.
Egy másik tématerület a spiking (pulzáló) neurális hálózatok. Ezek a neurális hálózatok az idegsejtek matematikai modelljein alapulnak. Cél a neurális dinamika elemzése, és a különböző matematikai megközelítések megfigyelése; újszerű, akár gradiens alapú, akár biomorf (Hebbi) tanulási módszerek vizsgálata. Ezek a neurális hálózatok energiatakarékosak, ami fontos tényező a legtöbb alkalmazásnál.
Az egyik ilyen tématerület az evolúciós algoritmusok. Számos optimalizációs módszer van, melyet a természetben folyó jelenségek inspiráltak. Ezen algoritmusok előnye, hogy képesek megoldani a problémákat és közelítő megoldást találni akkor is, ha a probléma nemlineáris, magas dimenziószámú, nem folytonos. Ezekben az algoritmusokban az egyedek, akárcsak a természetben, populációkat alkotnak. Ezek az evolúciós folyamatokat utánzó módszerek könnyen alkalmazhatók optimalizációs problémák megoldására. Egy egyed a feladat egy megoldását jelenti. A populáció folyamatos fejlődése biztosítja, hogy egyre jobb egyedeket kapunk, azaz a problémát egyre jobban sikerül megoldani, a közelítés egyre pontosabb lesz. A kutatás egyik tárgya evolúciós algoritmusok vizsgálata. Fontos kérdés ezen algoritmusok hatékonyságának és pontosságának a növelése.
Egy másik tématerület a spiking (pulzáló) neurális hálózatok. Ezek a neurális hálózatok az idegsejtek matematikai modelljein alapulnak. Cél a neurális dinamika elemzése, és a különböző matematikai megközelítések megfigyelése; újszerű, akár gradiens alapú, akár biomorf (Hebbi) tanulási módszerek vizsgálata. Ezek a neurális hálózatok energiatakarékosak, ami fontos tényező a legtöbb alkalmazásnál.
felvehető hallgatók száma
2 fő
helyszín
Eötvös Loránd Tudományegyetem, Informatikai Kar
jelentkezési határidő
2025-06-30