témavezető: Botzheim János
helyszín (magyar oldal): Eötvös Loránd Tudományegyetem, Informatikai Kar helyszín rövidítés: IK
A kutatási téma leírása:
Alkalmazott mesterséges intelligencia rendszerekkel szemben számos követelmény fogalmazható meg. Ezek közül a leggyakrabban megfogalmazott a rendszer teljesítményére, pontosságára vonatkozó követelmény, azonban az önműködő, mobil rendszerekbe (mint az önvezető járművek) történő beépítésnél újabb fontos célváltozók merülnek fel, mint a robusztusság, vagy az energiahatékonyság. Ez a kutatási téma az alacsony energiaigényű neurális hálózatokra fókuszál, ezen témakörön belül különös tekintettel a harmadik generációs neurális hálózatokra, melyek törzsét a pulzáló (spiking) hálózatok adják.
Az ilyen energiahatékony neurális hálózatok eszköztára eltér a klasszikus mélytanulásban alkalmazottaktól, az ott megismert elvek és algoritmusok átültetése nem mindig triviális. A hallgató feladata olyan alapkutatási és módszertani vizsgálatok elvégzése, melyek hatékonyan fejlesztik tovább a neurális hálózatokat energiaigényük alacsonyan tartása mellett. A kutatási irányvonalak a korszerű mélytanuló rendszerek mellett további számítási intelligenciai és matematikai területek (rajintelligencia, neuroevolúció, frakcionális kalkulus) eszköztáraira, valamint a humán neurológiára is építenek, ily módon az emberi idegrendszer felépítéséből adódó előnyök is átültetésre kerülhetnek. Az irányvonalak között az architektúrális újdonságok mellett helyet kap a kiegészítő tulajdonságok vizsgálata is, mint a skálamentesség, robusztusság, online taníthatóság, eseményvezérelt működés.
A dolgozat további célja, hogy az alapkutatások eredményeit autóipari kihívások tükrében (mint az AI-támogatott szenzorika, az ADAS rendszerek, vagy az önvezetés) is vizsgálja, valamint körüljárja a spiking neurális hálózatok futtatására alkalmas célhardvereken (neuroprocesszorok, FPGA-k) történő implementációt is.
előírt nyelvtudás: angol ajánlott nyelvtudás (magyar oldal): magyar további elvárások: SW: python (NumPy, Pandas, Matplotlib), gépi tanulás (TensorFlow, scikit-learn, Pytorch, Keras)
Témakörhöz kapcsolódóan: Mélytanulás matematikája, spiking neurális hálózatok alapjai
Proaktív, jó kommunikációs készség, együttműködési képesség