témavezető: Tamás Péter
helyszín (magyar oldal): Mechatronika, Optika és Gépészeti Informatika Tanszék, D. ép. 424. helyszín rövidítés: MOGI
A kutatási téma leírása:
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 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
Összetett szenzor adatokból a lényegi információ kinyerése 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).
A lényegkiemelési feladat megközelítése evolúciós algoritmussal (második év).
A feladat 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 a lényegkiemelési feladatra összetett szenzor adatokból.
Hatékony (gyors és pontos) eredmények a lényegkiemelési feladatban.
Más létező módszereknél jobb eredmények elérése és azok bemutatása.
f.) Irodalom
P. Tamás, N. Szakály: Decision Help System Supported Data-Mining Method, Biomechanica Hungarica VI:(VI) pp. 119-127, 2013.
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.
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.
L. Tóth, P. Tamás, Zs. Maros: Application of Knowledge Based Method in Rapid Tool Manifacturing. In: Rapid Production 2004: Innovation - Knowledge – Industry, 1st International Conference, Wrocław, Lengyelország, 2004.09.29-2004.10.01, pp. 271-276.
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.