Témakiírások
Képi adatok elemzése és prediktív modellezése gépi tanulási módszerekkel
témakiírás címe
Képi adatok elemzése és prediktív modellezése gépi tanulási módszerekkel
intézmény
doktori iskola
témakiíró
tudományág
témakiírás leírása
A vizuális információ feldolgozása és értelmezése az emberi megismerés egyik legösszetettebb
folyamata, amely napjainkban a mesterséges intelligencia egyik legaktívabban kutatott területévé
vált. A képfeldolgozáson és gépi látáson alapuló algoritmusok lehetővé teszik, hogy a
számítógépek ne csupán felismerjék a vizuális mintázatokat, hanem azokból következtetéseket és
előrejelzéseket is készítsenek. A képi tanulás (image-based learning) új generációs ma már az
orvosi diagnosztikától az agrárinformatikán át az ipari minőségellenőrzésig számos területen
kulcsszerepet játszanak.
A doktori kutatás célja egy olyan képfeldolgozó és prediktív modellrendszer kialakítása, amely
képes képi adatokból tanulni, vizuális mintázatokat felismerni, majd ezek alapján előrejelzéseket
tenni. A kutatás alapját a konvolúciós neurális hálózatok (Convolutional Neural Networks, CNN-
ek) adják, de a munka kiterjedhet más korszerű architektúrák, például vizuális transzformátorok
(Vision Transformers, ViT), autoenkóderek, vagy generatív modellek (GAN, diffusion models)
vizsgálatára és alkalmazására is.
A kutatás során a modell képes lesz képekből jellemzőket kinyerni, anomáliákat detektálni,
valamint időbeli vagy környezeti trendeket előre jelezni. A cél olyan adaptív tanulási módszerek
fejlesztése, amelyek a képi információkat más adatforrásokkal (pl. szenzoradatokkal, környezeti
paraméterekkel vagy statisztikai mutatókkal) kombinálva képesek komplex döntéstámogató
rendszereket létrehozni. A kutatás magában foglalja a képadatok előfeldolgozását,
jellemzőkinyerést, architektúra-fejlesztést, tanítási és validációs stratégiák kialakítását, valamint a
prediktív teljesítmény értékelését különböző alkalmazási környezetekben.
A doktori kutatás várható eredménye egy önállóan tanuló és prediktív képességgel rendelkező
mesterséges intelligencia-rendszer, amely képes képi mintázatokból pontos és magyarázható
előrejelzéseket készíteni. A projekt hozzájárul a gépi látás és a mélytanulás tudományos
fejlődéséhez, valamint új lehetőségeket nyit a képi adatokon alapuló, automatizált
döntéstámogatás és prediktív analitika területén.
folyamata, amely napjainkban a mesterséges intelligencia egyik legaktívabban kutatott területévé
vált. A képfeldolgozáson és gépi látáson alapuló algoritmusok lehetővé teszik, hogy a
számítógépek ne csupán felismerjék a vizuális mintázatokat, hanem azokból következtetéseket és
előrejelzéseket is készítsenek. A képi tanulás (image-based learning) új generációs ma már az
orvosi diagnosztikától az agrárinformatikán át az ipari minőségellenőrzésig számos területen
kulcsszerepet játszanak.
A doktori kutatás célja egy olyan képfeldolgozó és prediktív modellrendszer kialakítása, amely
képes képi adatokból tanulni, vizuális mintázatokat felismerni, majd ezek alapján előrejelzéseket
tenni. A kutatás alapját a konvolúciós neurális hálózatok (Convolutional Neural Networks, CNN-
ek) adják, de a munka kiterjedhet más korszerű architektúrák, például vizuális transzformátorok
(Vision Transformers, ViT), autoenkóderek, vagy generatív modellek (GAN, diffusion models)
vizsgálatára és alkalmazására is.
A kutatás során a modell képes lesz képekből jellemzőket kinyerni, anomáliákat detektálni,
valamint időbeli vagy környezeti trendeket előre jelezni. A cél olyan adaptív tanulási módszerek
fejlesztése, amelyek a képi információkat más adatforrásokkal (pl. szenzoradatokkal, környezeti
paraméterekkel vagy statisztikai mutatókkal) kombinálva képesek komplex döntéstámogató
rendszereket létrehozni. A kutatás magában foglalja a képadatok előfeldolgozását,
jellemzőkinyerést, architektúra-fejlesztést, tanítási és validációs stratégiák kialakítását, valamint a
prediktív teljesítmény értékelését különböző alkalmazási környezetekben.
A doktori kutatás várható eredménye egy önállóan tanuló és prediktív képességgel rendelkező
mesterséges intelligencia-rendszer, amely képes képi mintázatokból pontos és magyarázható
előrejelzéseket készíteni. A projekt hozzájárul a gépi látás és a mélytanulás tudományos
fejlődéséhez, valamint új lehetőségeket nyit a képi adatokon alapuló, automatizált
döntéstámogatás és prediktív analitika területén.
felvehető hallgatók száma
2 fő
helyszín
Szombathely
jelentkezési határidő
2026-05-31