A Modellalkotó laborban a hallgatók olyan alkalmazásorientált kutatási projektekhez csatlakozhatnak, amelyekben az elméleti kutatás problémafelvetéseit közvetlen gyakorlati alkalmazások inspirálják. Ez gyakran interdiszciplináris jellegű komplex kutatásokhoz vezet, amihez nem csak informatikai, illetve matematikai tudásra, de alkalmazásspecifikus ismeretekre és különböző területek szakembereivel való együttműködésre is szükség van. Ezért a labor munkájában több egyetemi oktató vesz részt, akik különböző kutatási területeken koordinálják, segítik a hallgatók munkáját, mint például:

• jel- és képfeldolgozás,
• gépi tanulás, mesterséges intelligencia,
• geometriai modellezés, számítógépes grafika,            
• numerikus módszerek.

A laborban a BSc/MSc tanulmányok alatt megszerzett ismeretanyag elmélyítése, mellet TDK és szakdolgozat/diplomamunka készítésére, illetve szakmai gyakorlat megszerzésére is van lehetőség.

A Modellalkotó labor (IPM-22modKVMTNM1L, IPM-22AUTAUSLAB1) egy 5 kredites kurzus, amit modellalkotón kívül más szakirányok, pl. az Autonómrendszer-informatikus mesterszak hallgatói is felvehetnek.

Használt technológiák: MatLab, Python, PyTorch, C++, NVidia Falcor, HLSL

Oktatók: Dr. Kovács Péter, Dr. Bognár Gergő, Dr. Fábián Gábor, Dózsa Tamás, Bálint Csaba

Kontakt: Dr. Kovács Péter, kovika@inf.elte.hu

Honlap: https://modelinglab.inf.elte.hu

PROJEKTEK          

• Orvosi jelfeldolgozás:
  • EKG jelek szegmentálása, szívütések osztályozása, adattömörítés.
  • EEG jelek feldolgozása, epilepszia detektálás, alvás fázis osztályozás. 
  • Többforrású humánbiológiai jelek vizsgálata: vérnyomás becslése EKG és PPG jelek alapján, különböző orvosi adatbázisok vizsgálata, elemzése.
• Műszaki jelfeldolgozás:
  • Autonóm járműirányítás: gumiszenzor jelek osztályozása, úttípus osztályozás, kerekekre ható talpponti erők becslése,  megcsúszás detektálása, kormányszervó vezérlésének modellezése.
  • Telekommunikáció: OFDM kommunikáció szimulációja, küldő és fogadó felek szimulációja, csatorna modellezés, modell-alapú dekódolás, fizikai réteg titkosítása. 
  • Rendszeridentifikáció: dinamikai rendszerek vizsgálata és átviteli függvényeinek közelítése, racionális függvényapproximációs módszerek kutatása, algoritmusok hardware közeli implementációja, pl. mikrokontrolleren, FPGA-n.
• Tomográfiás módszerek:
  • Termografikus képrekonstrukció: roncsolásmentes anyagvizsgálat.
  • CT képrekonstrukció: képjavítás, műtermék detekció, szegmentálás. 
• Modellvezérelt gépi tanulás
  • Matematikai modellek ötvözése különböző gépi tanuló algoritmusokkal:
    Adaptív projekciós hálók fejlesztése (VPNet), ODE Network, WaveletKernelNet, OptNet, Wiener-Hammerstein típusú hálók alkalmazása.
• Geometriai modellezés
  • poligonok ütközésvizsgálata, testmodellek kettéosztása, 3D felületek számítógépes reprezentációi, speciális adatszerkezetek elemzése, fejlesztése. Poligonok Voronoi diagrammjainak előaállítása, távolságfüggvények modellezése.
• Számítógépes grafika
  • Sugárkövetési algoritmusok vizsgálata, implicit felületek megjelenítése. Árnyalás és árnyékszámítás. NVidia Falcor használata hatékony valós idejű megjelenítéshez.

EGYÜTTMŰKÖDÉSEK

• Johannes Kepler University Linz
• Kepler University Hospital
• Silicon Austria Labs
• RECENDT Research Center for Non-Destructive Testing GMBH
• Josef Ressel Center, University of Applied Sciences, Upper Austria
• Faculty of Engineering, RITEH University of Rijeka
• Nanosensors Laboratory, Centre for Energy Research, ELKH - MFA
• Systems and Control Laboratory, Institute for Computer Science and Control, ELKH - SZTAKI
• Department of Computational Sciences, Wigner Research Centre for Physics