Jelek és rendszerek kutatócsoport
Az ELTE Informatikai Kar Numerikus Analízis Tanszékének több évtizedes szakmai múltja van az approximációelmélet, a matematikai modellezés és a numerikus analízis területén. A több mint 30 éve a tanszéken létrejött Harmonikus Analízis Iskola számos egyetemi és akadémiai doktori disszertációhoz adott tudományos inspirációt, hozzájárulva a tanszék kutatási portfóliójának folyamatos bővítéséhez. E hagyományokat követve jött létre 2021-ben a Tematikus Kiválósági Program támogatásával (TKP2021-NVA-29) a Jelek és Rendszerek Kutatócsoport, amelyhez az utóbbi években több fiatal kolléga is csatlakozott. A kutatócsoporton belül a klasszikus matematikai és informatikai vizsgálatok mellett a mesterséges intelligencia növekvő hatására és az informatika új trendjeire reagálva modellvezérelt gépi tanulási algoritmusok fejlesztésével is foglalkozunk. A kutatásokban aktívan részt vesznek MSc és PhD hallgatók is.
Csoport saját honlapja: intézeti link
▶ Biomedikai jelfeldolgozás
- EKG szegmentálás, szívverés osztályozás, adattömörítés
- EEG jelfeldolgozás, epilepsziás roham detektálás, alvásfázis osztályozás
- Multimodális bioszignál-analízis: EKG és PPG alapú vérnyomásbecslés, fiziológiai adathalmazok statisztikai elemzése
▶ Digitális jelfeldolgozás
- Autonóm járműirányítás: abroncsszenzor adatok feldolgozása, útburkolat osztályozás, gumiabroncs–út erők becslése, csúszás detektálás
- Távközlési jelfeldolgozás: OFDM kommunikáció, adó és vevő adat-szimuláció, csatornabecslés, modellalapú dekódolás, fizikai réteg titkosítás
- Rendszerazonosítás: dinamikus rendszerek vizsgálata, átviteli függvények azonosítása, racionális függvény-approximáció, beágyazott hardvermegvalósítás mikrokontrollerrel, FPGA-val
▶ Tomográfiás képalkotás
- Hőképes rekonstrukció roncsolásmentes anyagvizsgálathoz
- CT kép rekonstrukció, szegmentálás, artefaktumcsökkentés
▶ Modellvezérelt gépi tanulás
- Matematikai modellek és adatvezérelt mesterséges intelligencia ötvözése: Variable Projection Networks (VPNet), ODE Network, WaveletKernelNet, OptNet, Wiener–Hammerstein hálózatok
- Deep unfolding: iteratív numerikus módszerek kibontása neurális háló rétegekké
A csoport alkalmazásorientált alapkutatást végez, ahol az elméleti kutatási problémák gyakran közvetlenül gyakorlati alkalmazásokból inspirálódnak. Ez interdiszciplináris és komplex kutatásokhoz vezet, amelyekhez nemcsak informatikai és matematikai tudás, hanem alkalmazás-specifikus szakértelem és együttműködés is szükséges más területek szakembereivel.
- Dr. Kovács Péter (kutatócsoport-vezető, MTMT, Tud-O-Méter)
- Dr. Fridli Sándor, egyetemi tanár
- Dr. Bognár Gergő, adjunktus
- PhD hallgatók: Szabari Mátyás, Ungvári Gergő, Sajedul Hoque
- korábbi PhD hallgató: Galiger Gergő
- 2 industrial projects with Mediso Medical Imaging Systems Ltd, Silicon Austria Labs GmbH
- OTKA Project Nr.: 115804
- TÁMOP-4.2.2.A-11/1/KONV-2012-005
- EFOP-3.6.3-VEKOP-16-2017-00001
- Tudásvezérelt mélytanuló algoritmusok konstrukciója adaptív projekciók segítségével (NKFIH OTKA K_23 146721)
- Protection of safety-critical national services and industrial infrastructures using cybersecurity, technological, and regulatory measures (Tematikus Kiválósági Program 2021, Honvédelem és Nemzetbiztonság alprogram, TKP2021-NVA-29)
Nemzetközi partnerek:
- Institute of Signal Processing, Johannes Kepler University (Linz, Ausztria)
- Silicon Austria Labs (Linz, Ausztria)
- Department of Medical Informatics, University Medical Center, Georg-August University (Göttingen, Németország)
- Center for Artificial Intelligence and Cybersecurity, Faculty of Engineering, University of Rijeka
- Institute of Neurophysiology, RWTH Aachen University Hospital (Aachen, Németország)
- Institute for Biomedical Informatics, University Hospital Cologne (Köln, Németország)
- Department of Anesthesiology, University Hospital Würzburg (Würzburg, Németország)
- Department of Computing Sciences, Tampere University, (Tampere, Finnország)
- Department of Health Technology, Technical University of Denmark (Koppenhága, Dánia)
Hazai partnerek:
- HUN-REN SZTAKI, Rendszer- és Irányításelméleti Kutatólaboratórium
- HUN-REN Műszaki Fizikai és Anyagtudományi Intézet, Nanoszenzorok Laboratórium
- HUN-REN Wigner Fizikai Kutatóközpont, Adat- és Nagy Számításigényű Tudományok Kutatócsoport
- ELTE IK, Savaria Műszaki Intézet
Ipari partnerek:
- RECENDT Research Center for Non-Destructive Testing GmbH (Ausztria)
- Siemens Digital Industries Software, Test Division (Belgium)
- BKK, Modellezési és Adatelemző Osztály (Magyarország)
- P. Kovács, S. Fridli, F. Schipp (2020): Generalized rational variable projection with application in ECG compression, IEEE Transactions on Signal Processing [DOI]
- P. Kovács, G. Bognár, C. Huber, M. Huemer (2022): VPNET: variable projection networks, International Journal of Neural Systems [DOI]
- T. Dózsa, F. Deuschle, B. Cornelis, P. Kovács (2023): Variable projection support vector machines and some applications using adaptive Hermite expansions, International Journal of Neural Systems [DOI]
- T. Dózsa, J. Radó, J. Volk, A. Kisari, A. Soumelidis, P. Kovács (2022): Road abnormality detection using piezoresistive force sensors and adaptive signal models, IEEE Transactions on Instrumentation and Measurement [DOI]
- S. Baumgartner, G. Bognár, O. Lang, M. Huemer (2023), Neural network approaches for data estimation in unique word OFDM systems, IEEE Transactions on Vehicular Technology [DOI]
- D. Selimovic, J. Lerga, P. Kovács, J. Prpic-Oršic (2022): Improved parametrized multiple window spectrogram with application in ship navigation systems, Elsevier Digital Signal Processing [DOI]
- T. Dózsa, M. Szabari, A. Soumelidis, P. Kovács (2022): Pole identification using discrete Laguerre expansion and variable projection, 22nd International Federation of Automatic Control (IFAC) World Congress [DOI]
- A gépi érzékelés csodája, a szenzorok és ami mögöttük van - Jelek és rendszerek
- Variable Projection Support Vector Machines and Some Applications Using Adaptive Hermite Expansions
Dr. Kovács Péter: kovika@inf.elte.hu