Thesis supervisor: János Botzheim
Location of studies (in Hungarian): 1111 Budapest, Bertalan Lajos u. 4-6. D. ép. Abbreviation of location of studies: MOGI
Description of the research topic:
a.) Előzmények
A mindenütt jelen lévő számítástechnika és a szenzor hálózatok fejlődésének köszönhetően, továbbá az információs technológia, hálózati technológia és robot technológia kialakuló szintézisének következtében nagy mennyiségű adat keletkezik majdnem mindenhol és majdnem mindig. Az adatok szándékaink szerinti kinyerése új típusú problémát fogalmaz meg. Ezen probléma hatékony megoldásához alapvető fontosságú intelligens technológiák alkalmazása. A számítási intelligencia módszerek egyre jelentősebb szerepet játszanak a műszaki és más alkalmazott rendszerek modellezésben, irányításban és a velük kapcsolatos döntési, és optimalizációs feladatok végrehajtásában. Ezen módszerek legfontosabb közös tulajdonsága, hogy képesek elfogadható szuboptimális, általában közelítő megoldást adni, miközben a számítási komplexitást (idő és tér értelemben egyaránt) kezelhető, általában alacsony fokszámú polinom szinten tartják.
b.) A kutatás célja
Objektumok (elsősorban repülő objektumok) azonosítása szenzor adatok alapján különféle számítási intelligencia módszerek felhasználásával.
c.) Az elvégzendő feladatok, azok fő elemei, időigénye
A szenzorok fúziója és adataik egységes kezelése napjaink egyik leginkább kutatott területe. Kiválasztott szenzor-adatok feldolgozása és strukturálása. A számítási intelligencia 3 fő területének, a fuzzy rendszerek, neurális hálózatok, és evolúciós algoritmusok aktuális kutatási eredményeinek megismerése (első év).
Az objektum felismerési feladathoz illeszkedő számítási intelligencia módszer kidolgozása. (második év)
A módszer szimulációs megvalósítása, és tesztelése, más módszerekkel való összehasonlítása (harmadik év).
A kidolgozott módszer és felhasználhatóságának összefoglaló elemzése, verifikálása (negyedik év). Az eredmények publikálása a harmadik év közepétől kezdve.
d.) Várható tudományos eredmények
Új módszerek kidolgozása szenzor adatok számítási intelligencia technikákhoz illeszkedő strukturálására.
Hatékony (gyors és pontos) eredmények elérése objektumok azonosításában.
Más létező módszereknél jobb eredmények elérése és azok bemutatása.
f.) Irodalom
L. T. Kóczy, D. Tikk, J. Botzheim: Intelligens rendszerek. Széchenyi István Egyetem, 2008.
J. M. Keller, D. Liu, D. B. Fogel: Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems, and Evolutionary Computation, Wiley-IEEE Press, 2016.
D. Tang, B. Yusuf, J. Botzheim, N. Kubota, C. S. Chan: A novel multi-modal communication framework using robot partner for aging population. Expert Systems with Applications, Vol. 42, pp. 4540–4555, 2015.
J. Woo, J. Botzheim, N. Kubota: A modular cognitive model of socially embedded robot partners for information sup- port. ROBOMECH Journal Vol. 4, No. 10, 2017.
D. Tang, J. Botzheim, N. Kubota: Supervised Learning Based Multi-modal Perception for Robot Partners using Smart Phones. Acta Polytechnica Hungarica, Vol. 11, No. 8, pp. 139–159, 2014.
Required language skills: magyar Number of students who can be accepted: 1
Deadline for application: 2021-03-23
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Login
