témavezető: Vassányi István
helyszín (magyar oldal): Pannon Egyetem, 8200 Veszprém, Egyetem u. 10. helyszín rövidítés: PE
A kutatási téma leírása:
A krónikus betegségek, mint például a cukorbetegség menedzselésében nagyon nagy az életmód, ezen belül a helyes táplálkozás szerepe. A helyes táplálkozás elsajátításához az általános elvek helyett az étrendek, menük automatikus generálása személyre szabott, konkrét segítséget jelenthet. A kutatás célja olyan új módszerek tervezése, megvalósítása és tesztelése, melyekkel a személyre szabott napi illetve heti numerikus tápanyag-célértékek jól közelíthetők, és melyek figyelembe tudják venni a dietetikus szakértők által megadott, az egyes étkezések, napok vagy egész hét összeállítására vonatkozó szakmai elvárásokat. A kutatás előzménye az EIKFK-n korábban létrehozott több szintű, több szempontú genetikus algoritmus-könyvtár, mellyel a numerikus korlátokat már jól kielégítő heti menü tervezhető [1], illetve a szakértői szabályok étel- és élelmiszer-halmazokra épülő modellezésének eredményei [2]. Megvizsgálandó, hogy a harmónia-szabályok beépítése a genetikus algoritmus költségfüggvényébe milyen minőségű menüket eredményez a dietetikus szakértő által kézzel készített menükhöz képest, illetve hogyan viszonyul a megoldás teljesítménye más elvű, kurrens megoldásokhoz teljesítményéhez és pontosságához [3]. További kutatás tárgyát képezi a naplózott menük automatikus kiegészítése (komplettálása), illetve a visszajelzések alapján adaptív (tanuló) jellegű új szolgáltatás megvalósítása.
A kutatási téma előzményei az alábbi közleményekben találhatóak:
1. B. Gaál, I. Vassányi, G. Kozmann. A Novel Artificial Intelligence Method for Weekly Dietary Menu Planning. Methods of Information in Medicine (2005); 44: 655–64.
2. István Vassányi, István Kósa, Balázs Pintér, Balázs Gaál. Personalized Dietary Counseling System Using Harmony Rules in Tele-Care. European Journal of Biomedical Informatics, Volume 10 (2014), Issue 2, pp 17-22.
3. Salloum, G., Tekli, J. Automated and personalized meal plan generation and relevance scoring using a multi-factor adaptation of the transportation problem. Soft Computing, (2022) 26(5), 2561–2585.
további elvárások: Notes: The research must be performed personally in the labs of MIRDC. Applicants should have a good command of English, an interest in the field and in scientific research, and good data processing and algorithmic skills/experience.