Napjaink korszerű mérő-, szabályzó-, diagnosztikai, stb. rendszereinek jellemző sajátosságai közé tartozik egyrészt az egyre növekvő komplexitás, másrészt a előírt válaszidőben történő működés. A diagnosztikai rendszerek az adott technológia működésében fellépő hibák gyors azonosítására, ill. adott határok között hatásaik közömbösítésére/áthidalására is képesek. Nyilvánvalóan kulcskérdés a rendelkezésre álló számítási kapacitás, de a rendszer tényleges működését nagyban befolyásolja az is, hogy az információ feldolgozás precedencia viszonyai - beleértve az időzítési és adatelérési viszonyokat is - milyen feldolgozási sebességet tesznek lehetővé. Bármilyen előrelátó módon is tervezzük az ilyen alkalmazói rendszereket, szinte elkerülhetetlen, hogy éppen kritikus működési fázisokban fel ne lépjen súlyos adat- és/vagy időhiány, ami a diagnosztikai vagy szabályzórendszer működési zavarát eredményezheti.
A fenti problémák kezelésében előnyösen alkalmazhatók az ún. anytime [1] és szituációs [2] rendszerek, amelyek képesek adaptívan alkalmazkodni a pillanatnyilag rendelkezésre álló számítási erőforrás/idő mennyiségéhez, valamint a hiányos, pontatlan, bizonytalan adatokhoz. E rendszerek olyan modellekre, algoritmusokra épülnek, amelyek adatvesztés illetve kritikussá váló időzítési körülmények esetén is valamilyen szinten elfogadható minőségű választ adnak, és ezáltal lehetővé teszik, hogy a működés, az információ feldolgozási folyamat folytatható/továbbvihető legyen. A témavezető eredményei alapján célszerűnek tűnik a lágy számítási módszerek – elsősorban fuzzy rendszerek és neurális hálók – anytime rendszerekben való alkalmazási lehetőségeinek kutatása és kidolgozása.
Kutatási célok:
1. Anytime fuzzy, neurális és hibrid modellek és algortimusok kidolgozása.
2. Anytime rendszerek felügyelete. Rendszeroptimalizálási stratégiák kidolgozása. A számítási komplexitás és pontosság közötti kedvező egyensúly megtalálása és fenntartása.
3. Anytime rendszerek tranziens viselkedésének vizsgálata. Kedvező tranziens viselkedésű rendszermodellek illetve átkapcsolási stratégiák kidolgozása.
4. Az bizonytalanság modellezése nemlineáris rendszerekben. Az adatvesztés vagy kritikussá vált időzítés következtében minőségében romló eredmény bizonytalanságának terjedése és hatásai.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2017-01-31
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
