TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK
Budapesti Műszaki és Gazdaságtudományi Egyetem - Villamosmérnöki és Informatikai Kar

Témák listája

5G networks and cloud native services
This projects is regarding high available services hosted in the cloud using different cloud technologies. The project work includes investigating development and deployment of cloud-native services and increasing their availability, fault tolerance and operating costs and energy.
Témavezető: Mohamed Benabdallah
Automated Machine Learning methods using Reinforcement Learning
My research focuses mainly on: -Design AutoML related models -Neural Architecture Search -Hyperparameters optimization -Performance and Evaluation optimization -Adaptive methods
Témavezető: Abed Hamdi M.H.
BRAIN2SPEECH: EEG alapú kommunikációs agy-gép interfész deep learning módszerekkel
A beszéd az emberi kommunikáció elsődleges és legfontosabb eszköze. Sokan azonban elvesztették ezt a képességüket betegség vagy egészségkárosodás okán. A kommunikációs agy-gép interfész (BCI) célja, hogy természetes vagy ahhoz közeli kommunikációs csatornát biztosítsanak olyan személyek számára, akik fizikai vagy neurológiai károsodás miatt nem tudnak beszélni. A beszéd valós idejű szintézise közvetlenül a mért idegi aktivitásból (EEG) lehetővé tenné a természetes beszédet, és jelentősen javítaná az életminőségét, különösen a kommunikációban súlyosan korlátozott személyek számára. A hallgató feladata megismerkedni a BRAIN2SPEECH területtel, majd új típusú neurális hálózat architektúrák (pl. konvolúciós és rekurrens hálózatok) kidolgozása és tanítása több beszélő adataival. Az önálló munka / diplomaterv a BME Beszédtechnológia és Intelligens Interakciók Laboratóriumában készül. A hallgató feladatának a következőkre kell kiterjednie: - Tekintse át beszédtechnológiában az electroencephalogram-akusztikum becslés szakirodalmát. - Vizsgálja meg, milyen típusú neurális hálózatokat alkalmaztak eddig a kommunikációs agy-gép interfész területen! - Vizsgálja meg különböző neurális hálózat architektúrák (pl. konvolúciós és rekurrens hálózatok, ResNet, SkipNet) alkalmazhatóságát. - Az elkészült modelleket tesztelje objektív mérőszámokkal és szubjektív teszt keretében! - Munkáját részletesen dokumentálja!
Témavezető: Arthur Frigyes Viktor
Computer Vision and Natural Language Processing in machine learning
Computer vision (CV) and Natural Language Processing (NLP) are two main subfields of machine learning, and a lot of research is going on there. These two subfields overlap together in tasks such as text generation out of image (image2text) or vice-versa (text2image). A main obstacle in the way of teaching models (supervised learning) which are able to perform such tasks is the lack of labeled data, and a way to overcome this is to follow unsupervised learning approach. The task of the student(s) is to get familiar with those tasks and try to reproduce available solutions in order to be able to improve them later. No. of students: 1 - 3 contact email: alshouha@edu.bme.hu
Conversational AI alkalmazások
Valódi, hanggal beszélgető robot (virtuális ügynök) kialakítása a cél, melyhez az NVIDIA NeMo/RIVA toolkiteket használjuk. Magyar nyelven elsőként valósulhat meg a projekt. Python programozási ismeretek, mélytanulási alapok előnyt jelentenek.
Témavezető: Dr. Mihajlik Péter
Felügyelet nélküli akusztikus modellezés GAN használatával
A gépi beszédfelismeréshez (automatikus szövegleiratozáshoz) hagyományosan nagy mennyiségű hangra és hozzá tartozó szöveges leiratra van szükség. Ennek előállítása drága és időigényes. Az újabb, önfelügyelt tanításon alapuló megközelítések lehetővé tették a leiratmentes akusztikus előtanítást, így csupán egy pár órányi felügyelt tanítás is elegendő a beszédfelismerő betanításához. Ennél is továbbmegy a teljesen felügyelet nélküli tanítás: csupán írott szöveg alapján GAN (Generative Adversarial Network) segítségével sikerült a META (FB) kutatóinak "rávenni" az előtanított akusztikus modelleket a hang szöveges leiratozására. Magyar nyelvre szeretnénk a világon elsőként ilyen rendszer készíteni, amibe lehetőség van bekapcsolódni. Python programozási és deep learning ismeretek előnyt jelentenek. https://ai.facebook.com/blog/wav2vec-unsupervised-speech-recognition-without-supervision/
Témavezető: Dr. Mihajlik Péter
Hatékony "wake up" szó felismerés - mély konvolúciós háló alapokon
A tisztán mély neuronháló alapú beszédfelismerés egyre jobban előtérbe kerül a hagyományos (rejtett Markov-modell alapú) techinkákkal szemben. Fő előnye az elméleti letisztultságon és egyszerűségen túl, hogy sokkal kompaktabb rendszer készíthető, így pl. mobil vagy beágyazott eszközökbe is alkalmasabb lehet. Az utóbbi időkben az újszerű konvolúciós neuronhálók (time-depth/channel separable convolution) különösen hatékonyan képesek a paraméterteret csökkenteni, így a tanítási idő is lényegesen rövidebb lett. A feladat hatékony, akár böngészőben futtatható "wake up" szó felismerés, ami által a komplexebb, nagyobb erőforrásokat igénylő beszédleiratozó rendszer felébreszthető. A téma továbbvihető szakdolgozatig/diplomatervig.
Témavezető: Dr. Mihajlik Péter
Meta-heuristic optimization for The Traveling Salesman problem
The problem states that the traveling salesman needs to visit a certain number of cities to sell objects and then return to the starting point. The salesman tries to find the shortest Hamiltonian cycle of the graph. The task is to study and investigate the development of the meta-heuristic algorithm (prefer DBMEA) to get better results. Programing skills are required.
Design an efficient fronthaul for 5G networks service delivery
5G cellular networks are coming, and they need to cope with significant challenges in meeting the demands of a large population. The rapid increase of mobile devices, wireless connections, and emerging internet services related to applications with very diverse communication requirements (smart grid, e-health, smart cities) raised the need for higher capacity and more energy-efficient network improved coverage capabilities. This requires a high capacity, low latency, and cost-effective fronthaul. The student's task will be to investigate and optimize techniques for dynamic resource assignment in 5G fronthaul. aspects
Témavezető: Fayad Abdulhalim
“Next Generation Passive Optical Networks empowering 5G Transport”
The enormous growth of mobile devices data-hungry services (e.g., Smart grid, m-health, Smart cities) raised the need for higher capacity, low latency, and more energy-efficient networks with improved coverage capabilities. 5G expects to attain 1000x higher data volume per unit area100x, higher connecting devices,10x longer battery life and5x reduced latency compared to its predecessor, which needs a high-performance mobile transport network. Passive optical network (PON) technology is ideally placed to provide that transport. The student's task will be to design and optimize a Next-Generation Optical Access Networks based on PON architecture to meet 5G demands in aspects of capacity, low latency, and energy-efficient.
Témavezető: Fayad Abdulhalim