Kutató-fejlesztő laboratóriumok

Leírás

Az Informatika Kar kutatási irányai az informatika és határterületei számos részére terjednek ki. Az egyes irányok tanszékekhez és kutató-fejlesztő laboratóriumokhoz tartoznak.

Nagy teljesítményű adatfeldolgozás és vizualizáció

A labor célja

A labor fő kutatási céljai a képfeldolgozás, bioinformatia és tudományos vizualizáció feladatköreihez kapcsolódnak elsősorban az ezen területeken megjelenő nagy mennyiségű adatok hatékony feldolgozásának motivációjával. Kutatási és fejlesztési tevékenységünk a klasszikus adatfeldolgozási feladatok mellett kiterjed a korszerű adatgyűjtő rendszerek (például kéz/szemszenzorok) támogatására is. A számítógépes grafika oldaláról hangsúlyosan jelenik meg a 3D terület (3D nyomtatás, virtuális valóság). A nagymennyiségű adatfeldolgozáshoz szükséges erőforrást a labor saját grid rendszere adja, illetve aktív HPC kutatásokat folytatunk alkalmazási területeink igényeinek kielégítésére. További feladatok közé tartozik a nemzetközi és hazai K+F projektek megírása és a nyertes pályázatokhoz kötődő kutatások, fejlesztések kivitelezése és az eredmények kiértékelése is.

Kapcsolódó K+F pályázatok:
VKSZ_14-1-2015-0072, SCOPIA: Development of diagnostic tools based on endoscope technology (2015-2018)

215. Szenzor és élettudományi-informatika laboratórium

A laboratórium célja
a tudományos kutatás, fejlesztés, hallgatói tehetséggondozás, tudományos diákköri és szakdolgozati munka feltételeinek biztosítása. Így az nyitott az Informatika Kar kutatói, oktatói valamint az arra érdemesnek tartott hallgatók kutatási tevékenysége előtt.

Tárgyak internete és integrációja az IPv6 rendszerekkel kutatási divízió:

  • Több-utas kommunikációs viszonyok hatékonysági vizsgálata (IPv4/IPv6 kísérletek, elemzésekhez szükséges fejlesztések elvégzése).
  • A szenzoroknál alkalmazott on-chip technológiák esetén a szenzor áramkörök közötti kommunikáció időben dinamikusan alkalmazkodó konfigurációkat és paraméterezett routing mechanizmusokat feltételez, ami változó számú virtuális kapcsolat működését teszi szükségessé.
  • Olyan tér- és időbeli véletlen modellek kifejlesztése, amelyekkel térbeli megfigyelési pontokból származó mérési sorozatok (pl. szenzoradatok) alapján leírható a megfigyelt mennyiség (pl. hőmérséklet, páratartalom, stb.) viselkedése, meghatározható annak értéke a tér bármelyik pontjában és megadható egy rövidtávú előrejelzése is.

Élettudományi-Informatika kutatási divízió:

  • Bioszenzorok fejlesztése, alkalmazásának kutatása
  • A központi idegrendszer (KIR) ingerületi folyamatainak neuro-informatikai vizsgálata
  • Multiprocesszoros neuronhálózatok és a KIR interakciónak vizsgálata
  • Idegrendszeri ingerületi infokommunikáció szuper-számítógépes modellezése és feldolgozása
  • Élettani folyamatok adatainak számítógépes feldolgozása
  • Egészségügyi és biológia kutatási szoftverfejlesztés

Hallgatói kutatási és szakdolgozati divízió:

  • A laboratórium lehetőségeinek figyelembevételével, a felelős oktatók által felvállalt témák kidolgozása

Network Research Laboratory

A Network Research Laboratory labor célja szintetizáló és felfedező kutatások végzése a modern hálózati technológiák (pl. xDSL, LTE, WiFi, WiMAX) sztochasztikus modellezésében, a várható új infokommunikációs paradigmák (pl. hálózat kódolás, tartalom centrikus hálózatok) viselkedésének leírásában, valamint új modellezési paradigmák (pl. analitikus, aszimptotikus és szimulációs módszerek a sztochasztikus modellezésben, az útvonalválasztás algebrai elmélete, hálózatformációs játékelmélet) és meglévő elemző sztochasztikus módszerek újszerű alkalmazása területén.

A sorbanállási elmélet módszereivel többek között arra keresünk választ, hogy a fizikai erőforrásokat milyen logikai (virtuális) erőforrásokba kell szervezni, és azok között dinamikus feladat elosztási módszereket érdemes alkalmazni a nagyságrendekkel megnövekedett adatfeldolgozási feladatok valós idejű megválaszolásának érdekében. Vizsgálatainkban a gyakorlati megoldásokon és méréseken túl olyan matematikai modellek felállítása a célunk, melyek segítségével analitikai és szimulációs módszerek felhasználásával, előrejelzést adhatunk egy-egy adott rendszer teljesítményére.

Entrópia Samu - ESPORT ÉS MESTERSÉGES INTELLIGENCIA

Az esport és a mesterséges intelligencia között nyilvánvaló a szoros kapcsolat, melyet ebben a kutatásunkban még tovább fokozunk azzal, hogy nem csupán a játékokbeli MI felhasználásra gondolunk, hanem magának az MI-nek a megteremtését várjuk az új, fejlesztendő esporttól. Az aktuális elképzelés szerint ez egy szoftveresen implementált, a családi PC-n futó, mobil eszköz érzékszervekkel ellátott feljődésrobotikai és robotpszichológiai Samu alkalmazás: az Entrópia Samu.

Részletes leírás:
pdf
honlap

Intelligens beágyazott rendszerek kutatólaboratórium

A kutatólabor kutatási irányai részben elméleti (alap-) kutatásokat, részben alkalmazott kutatásokat tartalmaznak. Az alapkutatási témák meghatározó témakörei a tanuló rendszerek, gépi tanulás, míg az alkalmazott kutatások a neurális hálók, ambiens intelligens rendszerek fejlesztése köré csoportosulnak.

Kutatási témák részletei:

Neurális hálózatok implementációja programozható logikai áramkörökkel

A kutatás célja az újrakonfigurálható eszközök alkalmazása mesterséges neurális hálózatok hardveres implementációjára. Az algoritmusok implementálása előzetesen magas szintű programozási nyelven történik (Matlab illetve C, C++). Ezt követően három lehetséges megvalósítási módszer közül lehet választani: hardverleíró nyelven (HDL), System Generator segítségével vagy magas szintű szintetizáló eszközök (HLS) alkalmazásával. Esettanulmányok: az implementált mesterséges neurális hálózatok alkalmazása a mintafelismerési feladatokban (tevékenység felismerés).

e-Health és életvitelt támogató ambiens (AAL) rendszerek (tevékenység és egészségi állapot monitorozó/felismerő rendszerek)

Kutatásunk célja az idős vagy beteg emberek mindennapi önálló tevékenységének segítése, a tárgyak internetén alapuló technikák felhasználásával. A rendszer három fő összetevője: az életvitelt segítő intelligens ambiens rendszer, a tevékenység és egészségi állapot monitorozó és felismerő rendszer és a személyi támogatást nyújtó (asszisztív) robot. Ez egy olyan komplex kisegítő rendszer, amely tanulási és adaptív magatartással rendelkezik, ezért mesterséges neurális hálózatok használunk. A kutatási irányok a következők:

  • Tevékenység és egészségi paramétereket mérő eszköz prototípusának a megvalósítása és tesztelése
  • Tevékenység/egészégi állapot felismerése, Matlab környezetben modellezet neurális hálózatok segítségével
  • Tevékenység/egészégi állapot felismerése, hardverben implementált neurális hálózatok segítségével
  • Asszisztív robotok

Intelligens beágyazott rendszerek tervezése és alkalmazások

Kifejlesztettünk egy hardver-szoftver együttes tervezését szolgáló keretet a beágyazott rendszerek gyors prototípus fejlesztéséhez újrakonfigurálható eszközök (FPGA) segítségével, amelyek képesek könnyen integrálni a különböző I/O eszközöket és különböző protokollokat használó érzékelőkkel ellátott interfészeket. Egyre nagyobb az elvárás, hogy ezek a rendszerek tanulási és adaptív magatartással rendelkezzenek, ezt pedig neurális hálózatok használatával lehet elérni. E kutatás célja, egy hardware leíró nyelven (HDL) definiált keret fejlesztése, amely lehetővé teszi speciális alkalmazások gyors fejlesztését, specifikus érzékelőkhöz igazított, HDL komponensek hozzáadásával. Ez a keret olcsó általános célú FPGA kártyák alkalmazásával megvalósítható, specifikus eszközök vagy interfészek tervezése nélkül. Alkalmazási lehetőségek: Intelligens számítógép perifériák, amelyek lehetővé teszik bármilyen hátrányban szenvedő emberek számára számítógép és kommunikációs eszközök használatát, illetve bármilyen tanulási és adaptív képességgel ellátott ipari vagy háztartási készülék. Az ilyen intelligens eszközök főbb alkalmazási területei: monitoring, domotika, automotive (autóelektronika), automatizálás, vagy bármilyen terület ahol a tendencia könnyen használható, beépített intelligenciával rendelkező eszközök alkalmazása.

Alkalmazott informatika kutatólabor

HELY/LABOR:
Inkubátorház II/2.19 (H-4028 Debrecen, Kassai út 26, Hungary)
VEZETŐ:
Tóth László, PhD
TAGOK:
Fazekas Ádám, PhD hallgató
Vas Ádám, PhD hallgató
Bagoly Zsolt, PhD hallgató
Kreith Balázs, PhD hallgató
Török Róbert, MsC hallgató
Gyulai Gergő, BsC hallgató
Kálmánchey Balázs, BsC hallgató
Kelemen Martin, BsC hallgató
Mártonfalvi Marcell, BsC hallgató

ELOSZTOTT SZENZORHÁLÓZAT FEJLESZTÉSE METEOROLÓGIAI MÉRÉSEK ÉS ELŐREJELZŐ SZÁMOLÁSOK VÉGZÉSÉRE (DISTRIBUTED SENSOR NETWORK FOR NUMERICAL WEATHER PREDICTION CALCULATIONS, DSN-PC)

A DSN-PC egymás közti adatcserére képes mikroprocesszor vezérlésű intelligens mérőállomások hálózata. Ezen rendszer, a mérőállomások közti kommunikáció és a rajtuk futó szoftvereknek köszönhetően úgy használható, mint egy „szuperszámítógép”, amely önállóan és a lehető legmagasabb fokú párhuzamosítással képes differenciálegyenlet rendszerek megoldására és ez által pl. az egyes időjárási és egyéb elemek tér- és időbeli változását előrejelző számítások végzésére.

SZOFTVER ALAPÚ KÉPALKOTÓ ENERGIA ANALIZÁTOR (SOFTWARE BASED IMAGING ENERGY ANALYZER, SBIEA) FEJLESZTÉSE

Az SBIEA egy saját fejlesztésű új típusú eljárás, amely az optikai, illetve elektronoptikai rendszerek fizikai működésének ismeretében a napjainkban elérhető nagy teljesítményű számítástechnikai eszközök alkalmazásával képes algoritmusok segítségével szoftveresen korrigálni a rendszer aberrációiból adódó torzításokat, ami új utakat nyit a műszertervezésben, képfeldolgozásban és ez által újfajta hibrid műszerek alkothatók. Az SBIEA az ún.WAAEL/DELMA rendszerekhez kapcsolódik, melyek elsőként tették lehetővé az atomi rácsszerkezet elektronpályáinak részletes és nagypontosságú vizsgálatát.

ULTRAHANG COMPUTER TOMOGRÁF FEJLESZTÉSE (ULTRASOUND COMPUTER TOMOGRAPHY, USCT)

Az USCT –ben nagyszámú rögzített adóvevő van elhelyezve a vizsgált terület körül, ami a megfelelő modellek alkalmazásával milliméter alatti felbontást is lehetővé tehet. Bár az ultrahangos computer tomográfia fejlesztése a ’70-es években kezdődött és néhány említésre méltó kísérleti berendezés is megszületett, kereskedelmi forgalomba még nem került a feldolgozandó adatmennyiséggel és az időigényes képrekonstrukciós feladatok megvalósításával járó nehézségek miatt.