A jel- és képfeldolgozási módszerek két meghatározó szemléletmódja a matematikai, statisztikai, vagy fizikai modelleken alapuló modell-alapú, illetve a gépi tanuláson alapuló, mesterséges intelligencia eszközökkel dolgozó adatvezérelt megközelítés. A kutatás célja olyan modell-vezérelt mesterséges intelligencia eszközök fejlesztése, amelyek ötvözik a két megközelítést, és lehetővé teszik a modell-információk közvetlen beágyazását a gépi tanulás algoritmusokba. A modell-vezérelt architektúrák hatékonyabb működést, megbízhatóságot, és megmagyarázható viselkedést eredményezhetnek. A kutatás feladata adaptív transzformációs módszerek (elsősorban adaptív projekciók), adaptív szűrők, dinamikai rendszermodellek, valamint jellemzőkinyerési technikák vizsgálata; ezek összekapcsolása modell-vezérelt gépi tanulás eszközökkel (elsősorban modell-vezérelt neurális hálókkal); architektúrafejlesztés és optimalizálás; valamint alkalmazás valós jel- és képfeldolgozási problémákra (például természetes képek vagy orvosi jelek és képek szűrése, rekonstrukciója, szegmentálása, klasszifikációja).
előírt nyelvtudás: angol további elvárások: Matematikai modellezési, jel- és képfeldolgozás, valamint gépi tanulás ismeretek; programozási és fejlesztési készségek Python és Matlab környezetben.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2024-05-31
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).