Doktori kurzusok tanév I. (őszi) félév

Doktori kurzusok 2016-2017. tanév I. (őszi) félév

1. Balázs Péter: Képrekonstrukció 2. Dombi József: Fuzzy elmélet alapjai, alkalmazása 3. Iván Szabolcs: Fixed-Parameter Tractability 4. Kertész Attila: Számítási és adat felhő rendszerek / Infrastructure and data services in Cloud Computing 5. Krész Miklós: Logisztikai rendszerek modellezése és analízise 6. Nyúl László: Fuzzy módszerek a képfeldolgozásban 7. Palágyi Kálmán: Digitális topológia és matematikai morfológia 8. Pletl Szilveszter: Szabályozáselmélet 9. Siket

István:

Nyilvános

hiba-adatbázisok

előrejelzésben 10. Turán György: A gépi tanulás elmélete 11. Kató Zoltán: Computer Vision

és felhasználásaik a

hiba-

Balázs Péter: Képrekonstrukció MSc kurzus heti rendszerességgel, doktoranduszoknak többletkövetelményekkel, magyar nyelven. Tematika:        

Képek, vetületek, rekonstrukció, rekonstrukciós probléma Vetület-szelet tétel, analitikus rekonstrukciós módszerek, konvolúciós rekonstrukció Algebrai rekonstrukciós technikák Valószínűségi módszerek 3D rekonstrukció CT, SPECT, PET berendezések működési elve és az alkalmazott rekonstrukciós módszerek A CT ipari és egyéb alkalmazásai Diszkrét tomográfia és alkalmazásai (orvostudomány, elektronmikroszkópia, nemroncsoló anyagvizsgálat)

Irodalom:      

Balázs Péter: Képrekonstrukció, Typotex, 2011 G.T. Herman: Fundamentals of Computerized Tomography: Image Reconstruction from Projections, 2nd edition, Springer, 2010 G.T. Herman, A. Kuba: Discrete Tomography: Foundations, Algorithms, and Applications, Birkhauser, 1999 G.T. Herman, A. Kuba: Advances in Discrete Tomography and Its Applications, Birkhauser, 2007 A.C. Kak, M. Slaney: Principles of Computerized Tomographic Imaging, IEEE Press, New York, 1999 A. Markoe: Analytic Tomography, Cambridge University Press, 2006

Dombi József: Fuzzy elmélet alapjai, alkalmazása Heti előadás, legalább egy külföldi hallgató jelentkezése esetén angol nyelven. Tematika:  Unáris operátorok általános elmélete: o Erősítő és gyengítő műveletek o Élesség módosító műveletek o Negáció  Operátorok kapcsolata és tulajdonságai o DeMorgan azonosság o Mérték azonosság: Frank operátora  Implikáció és következtetés o Reziduális implikáció o Diszjunkción alapuló implikáció  Preferencia operátor  Speciális operátor osztályok  Fuzzy irányítás o Fuzzy irányítás matematikája o Szabály rendszer o Adatbázis o Fuzzifikáció o Defuzzifikáció o Nem lineáris irányítás o Adaptív irányítás o Tagaki-Sugeno model  Aggregáció és neurális hálók  Fuzzy lekérdezés  Fuzziság mértéke  Fuzziság negációval való kapcsolata  Rényi entrópia és a közepek kapcsolata  Entrópia és fuzziság mértéke Irodalom:  Kóczy L., Tikk D., Fuzzy rendszerek, Typotex Kft, 2000.  Borgulya István, Neurális hálók és fuzzy-rendszerek, Dialóg Campus Kiadó, 1998  Retter Gyula, Fuzzy, neurális, genetikus és kaotikus rendszerek, Akadémia Kiadó, 2006  George J. Klir, Bo Yuan: Fuzzy sets and fuzzy logic, Theory and Applications, Prentice Hall, 1995  J. Fodor, M. Rubens: Fuzzy Preference Modelling and Multicriteria Decision Support, Kluwer Academic Pub., 1994  Hung T. Nguyen, Michio Sugeno: Fuzzy systems, Modeling and Control, Kluwer Academic Pub., 1998  E.P.Klement, R. Mesiar, E. Pap: Triangular norms  Miko Sato, Yoshiharu Sato, Lakhmi C. Jain: Fuzzy Clustering Models and Applications

Iván Szabolcs: Fixed-Parameter Tractability Heti rendszerességű PhD kurzus magyar nyelven. Tematika: Fixed-parameter algoritmusok, problémák parametrizálása. Kernelizáció. Iteratív tömörítés. Treewidth. FPT-visszavezetések. A W[t] bonyolultsági osztályok. Irodalom: R. G. Downey and M. R. Fellows, Parameterized Complexity, Springer-Verlag, 1999

Kertész Attila: Számítási és adat felhő rendszerek / Infrastructure and data services in Cloud Computing Csütörtökönként 8-10-ig, MSc-s kurzus. Idegennyelvű hallgatók részvétele esetén angolul. Teljesíteshez a phd-soknak extra feladat: kapcsolódó cikkek elemzése és bírálata. Tematika: Napjainkban a Számítási Felhők (Infrastructure as a Service (IaaS) Clouds) egyre nagyobb teret hódítanak az internetes szolgáltatások körében. A felhő infrastruktúra megoldások az elosztott rendszerek területén is megjelentek, és aktív kutatásokat indítottak be az egyszerű webes alkalmazások felhősítésétől a nagy számítási igényű alkalmazások támogatásáig. Számos nemzetközi szabványosító szervezet definiálta a különféle felhő megoldások gyakorlati alkalmazását, tipikusan nyilvános, magán és hibrid vagy közösségi felhőkről beszélhetünk a számítási felhők tekintetében. A felhő szolgáltatások egy másik csoportját az adat felhők alkotják, amelyek segítségével különféle felhasználói adatot tárolhatunk a felhőben, amely szintén nagy népszerűségnek örvend. A kurzus célja a különböző felhő technológiák jelenlegi állapotának bemutatása, áttekintése és használatuk ismertetése. A bemutatásra kerülő főbb témakörök: Számítási felhők kialakulása, eredete, fajtái (IaaS, PaaS, SaaS) Hasonlóságok és eltérések a Gridekhaz viszonyítva Ipari Felhő megoldások, szolgáltatások, alkalmazások Akadémiai infrastruktúra számítási felhő megoldások bemutatása, használata Adat felhő rendszerek áttekintése, használata Irodalom: L. M. Vaquero, L. Rodero-Merino, J. Caceres, and M. Lindner: A break in the clouds: towards a cloud definition. SIGCOMM Computer Communication Review. vol. 39, pages 50-55, 2008. R. Buyya, C. S. Yeo, S. Venugopal, J. Broberg, and I. Brandic: Cloud computing and emerging it platforms: Vision, hype, and reality for delivering computing as the 5th utility. Future Generation Computer Systems. 25(6), pages 599-616, 2009. A. Cs. Marosi, G. Kecskeméti, A. Kertész, P. Kacsuk, FCM: an Architecture for Integrating IaaS Cloud Systems, In proc.of the Second International Conference on Cloud Computing, GRIDs, and Virtualization (Cloud Computing 2011), IARIA, pages 7-12, Rome, Italy, 2011. Minden témakörhöz főként angol nyelvű irodalom áll rendelkezésre, ismertetésük az előadásokon.

Krész Miklós: Logisztikai rendszerek modellezése és analízise Olvasókurzus, magyarul. Tematika: - Termelésmenedzsment és operációkutatási modellek - Ellátásilánc-menedzsment, folyamatok optimalizálása - Készletezési modellek, raktárkészletek elemzése. - Járatszerkesztési algoritmusok - Közlekedésszervezési problémák - Ellátási láncok és hálózatok strukturális jellemzése gráfelméleti módszerekkel - Logisztikai rendszerek viselkedésének modellezése intelligens számítási módszerekkel - Petri hálók alkalmazása termelési és logisztikai folyamatok modellezésére - A modell működtetése: a szimuláció. A szimuláció elméleti alapjai és alkalmazásai. - Üzleti intelligencia és logisztikai tervezés Irodalom: Szakfolyóiratokból cikkek

Nyúl László: Fuzzy módszerek a képfeldolgozásban MSc speckoll, magyar nyelven, doktoranudszoknak többletfeladattal. Angol nyelven valószínű csak a magyar nyelvű csoporttól elkülönítve, a jelentkezők számától és összetételétől függően heti rendszeres munkarenddel vagy blokkosítva vagy olvasókurzus formájában konzultációs alkalmakkal. Tematika: Fuzzy halmazok, műveletek, fuzzy logika Fuzzy halmazok tulajdonságai Fuzzy képfeldolgozó rendszerek felépítése Fuzzy képjavítási módszerek Fuzzy éldetektálás és élösszekötés Fuzzy képszegmentálás (klaszterezés, kNN, c-means) Fuzzy összefüggőség és változatai, algoritmusai Fuzzy összefüggőség alkalmazása orvosi képek szegmentálásában Fuzzy techniques in image processing: Imperfection is inherently present in most image processing and image analysis problems. It may be in the image data, e.g. due to the acquisition device and process, noise, discretization artifacts, and inhomogeneity of the subject of imaging. On the other hand, in many real life image understanding applications the objectives and the expert knowledge can only be expressed in vague terms. Fuzzy set theory allows formally handling vague terms, and reasoning with degrees of truthfulness and falsehoods. Fuzzy logic is successfully applied in many fields, from control theory to pattern recognition and artificial intelligence. Expert systems, such as those in medical diagnostics also can benefit from fuzzy set theory. Fuzzy image processing is the collection of approaches that represent and process images, their segments and features as fuzzy sets. In this course we cover the basics of fuzzy set theory and fuzzy logic, and discuss, through examples, how fuzzy set representation can be applied in image processing at lowlevel (pixels), mid-level (image segments), and high-level (objects and scenes) tasks. Irodalom:  Zheru Chi, Hong Yan, Tuan Pham: Fuzzy Algorithms: With Applications to Image Processing and Pattern Recognition, World Scientific, 1996  Hamid R. Tizhoosh: Fuzzy-Bildverarbeitung: Einführung in Theorie und Praxis, Springer, 1998  http://tizhoosh.uwaterloo.ca/Fuzzy_Image_Processing/  James C. Bezdek, James Keller, Raghu Krisnapuram, Nikhil R. Pal: Fuzzy Models and Algorithms for Pattern Recognition and Image Processing, Springer, 1999  Etienne E. Kerre, Mike Nachtegael: Fuzzy Techniques in Image Processing, Physica-Verlag, 2000  Mike Nachtegael, Dietrich Van der Weken, Etienne E. Kerre, Dimitri Van De Ville: Fuzzy Filters for Image Processing, Springer, 2003  Ajoy Kumar Ray: Fuzzy Image Processing and Applications with MATLAB, CRC Press, 2009  Pradipta Maji, Sankar K. Pal: Rough-Fuzzy Pattern Recognition: Applications in Bioinformatics and Medical Imaging, Wiley, 2012

Palágyi Kálmán: Digitális topológia és matematikai morfológia Nappalis speciálkollégium, PhD hallgatóknak többletkövetelményekkel. Magyar nyelven. Tematika: Digitális képek, szomszédságok, Jordan-tulajdonság Topológiai jellemzők, lyukak Képművelet, addíció, redukció, topológia-megőrzés, topológiai mag Egyszerű pontok 2D-ben Egyszerű pontok 3D-ben Topológia-megőrző párhuzamos redukciók Erózió, dilatáció, nyitás, zárás, morfológiai szűrés Határkivonás, régiófeltöltés, komponenskivonás, vázkijelölés Hit-or-miss transzformáció, vékonyítás, vastagítás, váztisztítás, konvex burok Morfológiai műveletek többszintű képeken Irodalom: R. Klette, A. Rosenfeld: Digital geometry - Geometrical methods for digital picture analysis, Elsevier - Morgan kaufman Publishers, 2004. E.R. Dougherty, R.A. Lotufo: Hands-on morphological image processing, SPIE Press, 2003.

Pletl Szilveszter: Szabályozáselmélet Phd kurzus, heti 2 kontaktórában, magyar nyelven. A tantárgy célkitűzése: A tárgy célja, hogy összefoglalja a szabályozáselmélet korszerű irányzatait. A tárgyalt algoritmusok feltehetően még hosszú ideig hatást gyakorolnak a rendszerek szabályozására. A tárgy célja rámutatni az egyes algoritmusok beágyazott rendszerekben való alkalmazhatóságára. A tárgy keretében a hallgatók összetett szabályozási rendszerek elemzésére és szintézisére szereznek képesítést. A tantárgy oktatásának módja: A tárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák. A tárgy intenzíven épít a MATLAB-ra és annak jelfeldolgozási, irányítástechnikai és identifikációs célú toolboxaira.

Tematika: Bevezetés. Rendszerelmélet alapok. A stabilitás Lyapunov módszerei. La Salle stabilitás tétele. Egyváltozós szabályozások. Az állapottér módszer. MIMO rendszerek Kálmán féle felosztása. Szabályozások tervezésének korszerű módszerei. Megfigyelők elmélete. Állapot-visszacsatolás realizálása megfigyelővel. Az LQR szabályozó tervezése. Időben változó DI MIMO rendszerek LQ optimális irányítása. A Kálmán szűrő és alkalmazásai. Digitális szabályozások. Követelmények: Szorgalmi időszakban 1 házi Vizsgaidőszakban, írásbeli vizsga.

feladat,

ami

beszámít

a

vizsgajegybe.

A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka: Heti 2 kontaktóra, félévközi készülés órákra, felkészülés zárthelyire, házi feladat elkészítése, kijelölt írásos tananyag elsajátítása, vizsgafelkészülés Irodalom: [1] George Ellis: "Control System Design Guide", Elsevier, 2012, ISBN: 978-0-12385920-4. [2] Shimon Y. Nof: "Springer Handbook of Automation", 2009, Springer, ISBN: 978-3540-78830-0 [3] Lantos Béla: "Nonlinear Control of Vehicles and Robots". Springer London Ltd. 2010, ISBN 9781849961219. [4] Lantos Béla: "Irányítási rendszerek elmélete és tervezése I. Egyváltozós szabályozások". Akadémiai Kiadó, 2. kiadás, 2005, ISBN 963 05 8249 X. [5] Lantos Béla: Irányítási rendszerek elmélete és tervezése II. Korszerű szabályozási rendszerek. Akadémiai Kiadó, 2003, ISBN 963 05 7922 7 [6] Ljung, L.: "System Identification Theory for the User". Prentice Hall, 1999. [7] Aström, K. J. - Wittenmark, B.: "Computer controlled systems". Prentice-Hall, 1997. [8] B. Widrow, S.D.Stearns, "Adaptive Signal Processing", Prentice-Hall, 1985. [9] Vidyasagar, M.: "Nonlinear systems analysis". Prentice-Hall, 1993. [10] Wang, L. X.: "Adaptive fuzzy systems and control". Prentice Hall, 1994.

[11] Jang, J. S. R.-Sun, C. T.-Mizutani, E.: "Neuro-fuzzy and soft computing". Prentice Hall, 1997 [12] Lantos Béla: Fuzzy Systems and Genetic Algorithms. Műegyetemi Kiadó, 2002. ISBN 963 420 706 5 [13] Zoran Gajić: "Linear Dynamic Systems and Signals". Prentice Hall, 2003, ISBN 0-201-61854-0 [14] Edward W. Kamen, Bonnie S. Heck: "Fundamentals of Signals and Systems Using The Web and MATLAB", Second Edition. 2000, Prentice-Hall. [15] Gerzson Miklós, Pletl Szilveszter: Irányítástechnika, Typotex, 2011,ISBN 978963-279-529-4, on-line: http://tananyagfejlesztes.mik.unipannon.hu/index.php?option=com_content&view=article&id=58&Itemid=70 [16] Gyurkovics Éva: Optimális irányítások http://tankonyvtar.ttk.bme.hu/pdf/13.pdf

Siket István: Nyilvános hiba-adatbázisok és felhasználásaik a hibaelőrejelzésben PhD kurzus heti rendszerességgel. Csak magyarul. Tematika: A hibák előrejelzése egy igen fontos kutatási területe a szoftverfejlesztésnek. Azonban ahhoz, hogy megfelelő hiba-előrejelző modelleket tudjuk készíteni, illetve azok hatékonyságát igazoljuk is, szükséges, hogy ismerjük a vizsgált rendszerekben a hibákat. A hibák megtalálása és összegyűjtése sok projekt esetében nem is lehetséges, és amelyeknél mégis lehetőség van rá, azon esetekben is sok munkát igényel. Éppen ezért összegyűjtöttek és nyilvánosan elérhetővé tettek néhány hibaadatbázist, amelyeket számos kutatásban felhasználtak már. A kurzus célja ezen hiba-adatbázisok megismerése, az adatbázisok minőségének megvizsgálása, valamint annak feldolgozása, hogy milyen eredménnyel tudták felhasználni a hibaelőrejelzésben. Szakirodalom: - M. Shepperd, Qinbao Song, Zhongbin Sun, and C. Mair. Data quality: Some commentson the nasa software defect datasets. Software Engineering, IEEE Transactions on, 39(9):1208-1215, Sept 2013. - Ahmed Lamkanfi, Javier Pérez, and Serge Demeyer. The eclipse and mozilla defect tracking dataset: a genuine dataset for mining bug information. In Proceedings of the 10th Working Conference on Mining Software Repositories, pages 203-206. IEEE Press, 2013. - Ruchika Malhotra. A systematic review of machine learning techniques for software fault prediction. Applied Soft Computing, 27:504-518, 2015. - D. Radjenovic, M. Hericko, R. Torkar, and A. Zivkovic. Software fault prediction metrics: A systematic literature review. Information and Software Technology, 55(8):1397-1418, 2013. A kurzus teljesítésének feltételei: - Részvétel az előadásokon - Cikk(ek) önálló feldolgozása és előadása

Turán György: A gépi tanulás elmélete MSc kurzus, doktoranduszoknak többletkövetelményekkel. Szükség esetén angol nyelven. Tematika: A gépi tanulás a számítástudomány és mesterséges intelligencia egyik legtöbbet alkalmazott és legggyorsabban fejlődő területe. Az óra célja a temakör matematikai modelljeinek, algoritmusainak es azok elemzésének tárgyalása. Tervezett témák pl.: PAC modell, agnosztikus tanulás, boosting, kernel módszerek, döntesi fák, neuronhálók. Irodalom: Shalev-Shwartz, Ben-David: Understanding Machine Learning: From Theory to Algorithms c. könyvének egyes fejezetei és cikkek.

Kató Zoltán: Computer Vision Angol nyelvű MSc kurzus heti 2 órában, doktoranduszoknak többletkövetelményekkel (cikkfeldolgozással). Tematika: A kurzus célja a számítógépes látás elméletének és gyakorlatának megismertetése a hallgatókkal. A számítógépes látás az emberi látás azon funkcióit valósítja meg, amelyek a retinai kép elemzését végzik. Ezek elsősorban a képi tartalom értelmezésére irényulnak: a látott képből következtet az objektumok 3D alakjára (felületrekonstrukció), az objektumok térbeli elhelyezkedésére, egymáshoz való viszonyára (mélységi információ kinyerése), illetve több, időben egymást követő képből a mozgás érzékelése és a mozgó objektumok követése.  Bevezetés - az emberi és a számítógépes látás kapcsolata  A látás modelljei (Marr, Gestalt szabályok)  Kamera geometria, 3D -> 2D leképezés paraméterei  Felületrekonstrukció egyetlen kép segítségével 1.: árnyalat alapú módszerek  Felületrekonstrukció egyetlen kép segítségével 2.: textúra alapú módszerek  Mozgás mérése, Optical Flow kiszámítása  A mozgás mint traszformáció: Parametrikus mozgás modellek  Mozgáskövetés  Video mozaikok  Szetero látás, epipolár geometria, Essential Matrix, Fundamental Matrix  3D rekonstrukció egy képpárból  3D rekonstrukció több képpárból  Fotometriai szetereo, mozgás alapú rekonstrukció  3D rekonstrukció és virtuális nézetek generálása Irodalom:  Kató Zoltán, Czúni László: Számítógépes látás, Typotex Kiadó, 2011.  R. I. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision. Cambridge University Press, 2004.  Yi Ma, Stefano Soatto, Jana Kosecka, and Shankar Sastry, An Invitation to 3D Vision. Springer Verlag, 2003.  Olivier Faugeras, Three Dimensional Computer Vision: A Geometric Viewpoint. MIT Press, 1996.  David Marr, Vision. Freeman Publishers, 1982 Online segédanyagok, könyvek, jegyzetek:  Marc Pollefeys, Visual 3D Modeling from Images. Tutorial Notes, University of North Carolina - Chapel Hill, USA, 2002.  Mubarak Shah, Fundamentals of Computer Vision. University of Central Florida, Orlando, USA, 1997.  William H. Press, Saul A. Teukolsky, William T. Vetterling, and Brian P. Flannery: Numerical Recipes in C. Cambridge University Press, 2002.  Stan Birchfield: An Introduction to Projective Geometry (for computer vision). Stanford University, USA, 1998.