Thesis supervisor: János Botzheim
Location of studies (in Hungarian): 1111 Budapest, Bertalan Lajos u. 4-6. D. ép. 403/C Abbreviation of location of studies: MOGI
Description of the research topic:
a.) Előzmények
Az agy-gép interfész (Brain-Machine Interface (BMI)) illetve agy-számítógép interfész (Brain-Computer Interface (BCI)) egyre fontosabb kutatási területek, melyek során fontos cél az agyből érkező jelek feldolgozása és értelmezése. Az adatok szándékaink szerinti kinyerése és értelmezése új típusú problémákat fogalmaz meg, amelyek hatékony megoldásához alapvető fontosságúak lehetnek az intelligens technológiák. A számítási intelligencia módszerek egyre jelentősebb szerepet játszanak a műszaki és más alkalmazott rendszerek modellezésében, irányításában 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
Agy-robot interfész megvalósítása elektroenkefalográfiai (EEG) jelek segítségével egy robot irányítására.
c.) Az elvégzendő feladatok, azok fő elemei, időigénye
Az EEG jelek alapjainak megértése, az agy-gép interfész terület jelenlegi állapotának áttekintése. A számítási intelligencia 3 fő területének, a fuzzy rendszerek, neurális hálózatok, és evolúciós algoritmusok aktuális kutatási eredményeinek megismerése (első év).
Az EEG jelek lényegkiemelési feladatának és osztályozási feladatának megközelítése számítási intelligencia módszerekkel. A feldolgozott és értelmezett jelek felhasználása robotok irányítására (második év).
A módszer 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 EEG jelek lényegkiemelési feladatára és osztályozási feladatára.
A módszer alkalmazása robotok irányítására.
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.
H. A. Shedeed, M. F. Issa, and S. M. El-sayed: Brain EEG Signal Processing For Controlling a Robotic Arm, in Proc. of the 8th International Conference on Computer Engineering & Systems, pp. 152-157, 2013.
J. Botzheim, M. Drobics, L. T. Kóczy: Feature selection using bacterial optimization. In Proc. of the International Conference on Information Processing and Management of Uncertainty in Knowledge-based Systems, IPMU 2004, Perugia, Italy, pp. 797–804, 2004.
D. Zhou, Y. Fang, J. Botzheim, N. Kubota, H. Liu: Bacterial memetic algorithm based feature selection for surface EMG based hand motion recognition in long-term use. In Proc. of the 2016 IEEE Symposium Series on Computational Intelligence, Athens, Greece, 2016.
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
