Témák listája

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.

Az emberközpontú mesterséges intelligencia (Human-Centered Artificial Intelligence, HCAI) az MI olyan felhasználásáról szól, amelyeknek etikusnak kell lenniük, tiszteletben kell tartaniuk az emberi jogokat és a szabadságot. Az MI-rendszereket készítő hallgatóknak a technológiai készségek, valamint az etikai és jogi ismeretek megfelelő keverékének elsajátítására van szükségük, amelyek megfelelnek az információs technológia iparág igényeinek. A 'human-in-the-loop' megközelítés kéz a kézben jár az emberközpontú AI-val. Ez azt jelenti, hogy az emberek részt vesznek az ML-modell betanítási, tesztelési és hangolási folyamatában is. A hallgató feladata a HCAI szempontok alkalmazása a beszéd- és bioszignál (nyelvultrahang képek, a beszélő szervek mágneses rezonancia képei, agyi EEG) feldolgozásában, a némabeszéd-interfészek és a beszédalapú agy-számítógép interfészek kidolgozása során.

In this project, the student is required to develop a post-processing algorithm to generate a disparity depth map with hybrid method toward achieving an accurate performance in stereo matching with low error and low complex structures.

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.

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

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.

Az önfelügyelt (vagy self-supervised) előtanulás, egy rendkívül hatékony módszer a mély neuronhálók beszédfelismerési és természetes nyelvfeldolgozási alkalmazásaiban, ahol felügyelt (címkézett) adatok nélkül javíthatjuk drasztikusan a különféle nyelvi/akusztikai felismerési/osztályozási feladatok pontosságát. A konkrét feladat a wav2vec2.0 transformer keretrendszer megismerése, és a legújabb eszközkészletek (HuggingFace, SpeechBrain vagy Fairseq) alkalmazása beszédfelismerési feladatokra. Javasolt előképzettség: Python programozás, deep learning alapok. Háttérinformáció: https://ai.facebook.com/blog/self-supervision-and-building-more-robust-speech-recognition-systems/

Current video streaming applications have gained the interest of various industries due to their ability to create a comprehensive reality and get people close to each other. Constraints on available resources (such as bandwidth) cause packet loss and re-transmission when the network is overloaded, which refers to “congestion”. The main concept that controls the conversational video for WebRTC is the congestion control algorithm. The goal of this project is to provide an analysis of the performance of different TCP congestion control algorithms. Furthermore, a suitable environment is implemented to achieve the optimum performance for the selected algorithms.

Software Defined Networking (SDN) is a new networking paradigm proposed to change the perspective of Networking. Although SDN brought several advantages over traditional Networking, it has several issues related to its centralized controller, especially during high traffic load, which can cause high networking latency or eventually lead to network collapse. Thus, performing an analysis specifically addressing this issue is crucial and exciting. The main goal of this work is to analyze the performance of Software Defined Networks under certain traffic types and loads. Furthermore, clear guidelines are required after analyzing the obtained results to ensure network stability and possible security solutions. Multiple scenarios will be implemented, such as using one server with one host as the initial phase to measure the actual throughput and latency. Furthermore, the number of hosts increases as we move forward to analyze the performance of the SDN network at each phase.

Ultrasound imaging plays a key role in this part, where currently it has become a high target than before, especially as a clinical information resource. However, speckle noises are significantly degrading the quality of ultrasound imaging which influenced the accurate diagnosis. The proposed methods to solve the speckle phenomenon and enhance ultrasound images still suffer from low computational efficiency, image features damaging, and characterized also by low speckle reduction. Therefore, this project attracts a highly effective method for phenomenon reduction on medical ultrasound imaging by means of a new optimized GUI post-processing technique.