témavezető: Magyar Attila
helyszín (magyar oldal): Pannon Egyetem, Veszprém, Egyetem u. 10. helyszín rövidítés: PE
A kutatási téma leírása:
A növekvő társadalmi, környezeti és gazdasági elvárások miatt számos (i) járműipari, (ii) repüléstechnikai és (iii) mechatronikai alkalmazás rendkívüli komplexitás növekedése bonyolult dinamikai működést eredményez, ami az okos és kommunikációs képességek növekedésével együtt újszerű kihívásokat támaszt, amivel a hagyományos modellezési és vezérléstechnikai megoldások nem képesek megbirkózni. A kutatás - mesterséges intelligencia alapú módszerek segítségével - olyan technológiai megoldásokra keresi a választ, melyek maguktól képesek egyszerű, de precíz módon leírni ezen rendszerek dinamikai működését mért adatok és meglévő fizikai ismeretek ötvözésével. Ezen technológiai megoldások elengedhetetlenek az említett ipari szektorok fejlesztési céljainak megvalósításához; úgymint biztonságosabb, hatékonyabb és zöldebb eszközök létrehozásához.
Bővebben, a PhD kutatás célja az egyes alkalmazások digitális másolatának szisztematikus létrehozása, azaz a dinamikus modellek automatikus megtanulása a felhasználó által megadott specifikációk, mért információ és a meglévő mérnöki ismeretek ötvözésével. Az elméleti garanciák és a hatékonyság biztosítása érdekében, a gépi tanuláson alapuló modellezéshez egy új identifikációs elmélet és kapcsolódó módszerek kidolgozását célozza meg a kutatás (mély auto-enkóderekre [1], GP [2] és neuro-evolúcióra [3] támaszkodva), amik képesek a neurális hálózatok és zajmodellek struktúrájának automatikusan megválasztásra, az adatgyűjtés autonóm kivitelezésére, a felhasználásorientált célok (pl. a szabályzási célok) figyelembe vétele mellett a digitális másolat létrehozásához mind nyílt, mind szabályozott (zárt hurkú) rendszerekben.
A témához kapcsolódó cikkek:
[1] I. Goodfellow, Y. Bengio, and A. Courville: Deep Learning. MIT Press, 2016.
[2] C.E. Rasmussen, C.K.I. Williams: Gaussian processes for machine learning. The MIT Press, 2006.
[3] K. O. Stanley, J. Clune, J. Lehman and R. Miikkulainen: “Designing neural networks through neuroevolution,” Nature Machine Intelligence, vol. 1, no. 1, pp. 24–35, 2019.