Bejelentkezés
 Fórum
 
 
Témakiírás
 
Gráf-problémák vizsgálata gépi tanulással

TÉMAKIÍRÁS

Intézmény: Budapesti Műszaki és Gazdaságtudományi Egyetem
informatikai tudományok
Informatikai Tudományok Doktori Iskola

témavezető: Szegletes Luca
helyszín (magyar oldal): Automatizálási és Alkalmazott Informatikai Tanszék
helyszín rövidítés: AUT


A kutatási téma leírása:

Az utóbbi években a gépi tanulás robbanásszerű fejlődésével egyre több tudományágban jelent meg a deep learning (mélytanulás) és használják azóta az eszköztárát különböző problémák megoldására kezdve a gépi látástól az önvezető autókon át az ajánlórendszerekig.
Azonban a mélytanulás alkalmazása gráfokon nem triviális a gráfok egyedi szerkezete miatt. A gráfoknak egy alkalmazási területe a szerkezeti kémia. Itt gráfokkal modelleznek molekulaszerkezeteket és vizsgálják a gráf és a molekula tulajdonságai közötti összefüggéseket.
A gráf pontok (például atomok) és élek (például az atomok közötti kötések) halmaza. Megfigyelték, hogy a molekulák fizikai és kémiai tulajdonságai és a kémiai képletük topológiai szerkezete között összefüggés van (pl. szénhidrogén vegyületek szerkezeti képlete és forráspontja között). Így ha ismerjük egy molekula topológiai szerkezetét, következtethetünk annak tulajdonságaira.
A kutatás célja gráfelméleti algoritmusok vizsgálata, és olyan, elsősorban deep learning alapú algoritmusok tervezése, amelyeknek központi feladata gráf-problémák megoldása, törekedve arra, hogy minél nagyobb gráfokon alkalmazhatóak legyenek a kutatás során megalkotott módszerek. A kutatás egyik alkalmazási területe a szerkezeti kémia, ahol a cél topológiai szerkezeteket (pl. részgráfok) keresése molekulaszerekezetekben, valamint az így talált részgráfok és a molekulák tulajdonságai közötti összefüggések modellezése.

előírt nyelvtudás: angol
felvehető hallgatók száma: 1

Jelentkezési határidő: 2019-06-14

 
Minden jog fenntartva © 2007, Országos Doktori Tanács - a doktori adatbázis nyilvántartási száma az adatvédelmi biztosnál: 02003/0001. Program verzió: 2.2358 ( 2017. X. 31. )