Kutatólaboratóriumok

A kutatólaboratórium tevékenysége:

A laboratórium a 3D Virtuális és Digitális Környezetek informatikai evolúcióit vizsgálja, ezek fejlesztéséhez szükséges mérnöki és tudományos tevékenységet folytat. Kutatja a virtuális térben megjelenő új emberi és mesterséges intelligenciával támogatott kognitív képességeket. A laboratórium olyan 3D virtuális világokat, e-learning és különleges felhasználói környezeteket tud fejleszteni, melyekben a felhasználók hatékonysága jelentősen nagyobb, mint a hagyományos, megszokott ablakos digitális felületeken, továbbá egészségügyi alkalmazásokat is javasol pl. rehabilitációs folyamatok támogatására.

A laboratórium elődje a „Virtuális Környezetek és Fénytan", majd az átalakult „Virtuális Környezetek és Alkalmazott Multimédia” kutatólaboratórium volt. A kutatólaboratórium az előző laboratóriumok számos területét és tudományos kultúráját megtartva a képi információ látásfiziológiailag és látás-pszichológiailag helyes feldolgozásával és alkalmazásával is foglalkozik. Ennek érdekében kutatások folynak a képi információ virtuális környezetekben való optimális megjelenítésre vonatkozóan, pl. színtani kutatások. Kiemelt téma a virtuális világokba való beleélés (presence), a kognitív hatások kutatása és az akadálymentesség megvalósítása speciális szükségletű felhasználók számára. A laboratórium az elmúlt 20 évben 9 EU által támogatott nemzetközi konzorciumban vett részt, 8 bilaterális projektet vezetett és 5 COST Action konzorciumban vállalt/vállal vezető szerepet. Ezenkívül számos nemzetközi konferenciát szervezett és szervez.

Kutatási eredmények, kiemelt nemzetközi projektek:

· Mindenkinek tervezés kutatása: “Design for All for e-Inclusion” projekt keretében új segítő technológiával és akadálymentes tervezéssel foglalkozó tananyagok, publikációk készítése.

· Az „Akadálymentes web-tervező” nemzetközileg elfogadott 60 kredites oktatási anyag kidolgozása.

· A tanulásában akadályozott, értelmi sérült fiatalok munkába állását és önálló életvitelét támogató szoftverek tervezése

o „Game On Extra Time” projekt: UK/08/LLP-LdV/TOI/163_181

o „Intelligent Serious Games for Social and Cognitive Competence” projekt: 2015-TR01-KA201-022247

o TD COST Action TD1309 – „Play for Children with Disabilities”

· Stroke páciensek rehabilitációját elősegítő virtuális valóság alapú játékok tervezése

o „Telemedicine System Empowering Stroke Patients to Fight Back”, Information and Communication Technologies Collaborative Project: 288692 (EU FP7-ICT-2011-7)

· Segítő technológiák, fejlesztése és alkalmazása

o COST Action CA19104, Advancing social inclusion through technology and empowerment (a-STEP)

o COST Action CA19142, Leading Platform for European Citizens, Industries, Academia and Polcymakers in Media Accessibility (LEAD_ME)

o COST Action CA22167, Participatoy Approaches with Older Adults (PAAR-net)

· Tárgyalási szimulációs játék fejlesztése az oktatás segítésére

o “Game On! Opportunities for Serious Games Development in Children’s Health, Environmental Education & Language Learning” project (Hungarian- Austrian Bilateral Science and Research 2021-1.2.4-TÉT-2021-00007)

A kutatólaboratórium tagjai:

Sikné Dr. Lányi Cecília, D.Sc., professzor

Dr. hab. Mihálykóné Dr. Orbán Éva, Ph.D., egyetemi docens

Dr. Guzsvinecz Tibor, Ph.D., egyetemi adjunktus

Szabó Patrícia, PhD student

Jinat Ara, PhD student

Hanan Mohamed Namrouti, PhD student

Mochammad Hannats Hanafi Ichsan, PhD student

Nemzetközi partnerek:

Prof. David Brown, Nottingham Trent University, Computing and Informatics Research Centre, Interactive Systems Research Group, Nottingham, UK

Prof. Geraldine Leader, National University of Ireland, Gakway Irish Centre for Autism and Neurodevelopmental Research, Galway, Ireland

Prof. Ilona Heldal, Western Norway University of Applied Sciences, Bergen, Norway

Dr. habil Nils Haneklaus, Donau-Universität Krems, Krems, Austria

Dr. habil Cserjési Renáta, ELTE, E-MIND Kutatólaboratórium, Budapest, Magyarország

Dr. Zeynep Şahin Timar, Karadeniz Teknik Universitesi Kanuni Kampusu, Trabzon, Türkey

Dr. Mostafa Abdallah Abbas Atwa Elgendy, Benha University, Kairo, Egypt

A kutatólaboratórium vezetőjének bemutatása

Prof. Sikné Dr. Lányi Cecília 1984-ben végzett a József Attila Tudományegyetem programtervező matematikus szakán, majd 1988-ban matematika tanári diplomát szerzett a Berzsenyi Dániel Tanárképző Főiskolán. 1993-ban Dr. univ., 2000-ben Ph.D. fokozatot szerzett, 2017-ben habilitált a Pannon Egyetemen. D.Sc. fokozatát 2022-ben védte meg a Magyar Tudományos Akadémián. Jelenleg oktatott tárgyai közé tartoznak: Virtuális valóság és alkalmazásai, Felhasználói interfészek tervezése, Szoftver ergonómia, Kutatásmódszertan mérnökinformatikus és programtervező informatikus hallgatóknak, Ph.D. és mesterképzéses hallgatók témavezetése különös tekintettel a virtuális valóság és egészségügyi informatikai témákban.

Számos kitüntetésben részesült, a legfontosabb közülük:

· „Mestertanár” kitüntetés, melyet 2001-ben kapott az Oktatási Minisztériumtól;

· „Diamond-Award”, melyet az “Association for the Advancement of Assistive Technology in Europe” nemzetközi szervezettől kapott 2015-ben a segítő technológiák előmozdításában végzett kiemelkedő munkájáért;

· „King Salman Award for Disability Research” díj, melyet a King Salman Center for Disability Research kuratóriumának döntése alapján kapott a Szaud Arábiában 2018-ban.

1997-től több mint 230 M.Sc. és B.Sc. hallgató diplomamunkájának és szakdolgozatának volt a témavezetője. Eddig 5 Ph.D. hallgató végzett a témavezetésével, jelenleg 4 Ph.D. hallgató témavezetője. Hallgatói is számos kitüntetésben részesültek.

Több mint 500 referált cikket és konferenciaanyagot publikált, meghívott szerkesztőként dolgozott több neves folyóiratnál és könyvnél. Kutatási területe a virtuális valóság, akadálymentes tervezés és színtan.

Válogatott publikációk:

Ara, J.; Sik-Lanyi, C.; Kelemen, A. Accessibility engineering in web evaluation process: a systematic literature review. Universal Access in the Information Society. 2023, https://doi.org/10.1007/s10209-023-00967-2

Guzsvinecz, T.; Sik-Lanyi, C.; Orban-Mihalyko, E.; Perge, E. The Influence of Display Parameters and Display Devices over Spatial Ability Test Answers in Virtual Reality Environments. Applied Sciences, 2020,10(2), 526; https://doi.org/10.3390/app10020526

Sik-Lanyi, C.; Orbán-Mihálykó, É. Accessibility Testing of European Health-Related Websites. Arabian Journal for Science and Engineering, 2019, 44(11):9171-9190 https://doi.org/10.1007/s13369-019-04017-z

Sik-Lanyi, C.; Szucs, V.; Hirschler, R. Coloured shadows—Why they can be photographed, Color Res Appl. 2019; 44(6): 859-874, published online: 9 August 2019 https://doi.org/10.1002/col.22420

Tagaytaya, R.; Kelemen, A.; Sik-Lanyi, C. Augmented reality in neurosurgery, Archives of Medical Science, 2018; 14(3):572-578, DOI: 10.5114/aoms.2016.58690, DOI: https://doi.org/10.5114/aoms.2016.58690, http://www.termedia.pl/Augmented-reality-in-neurosurgery,19,27151,0,1.html

Sik Lányi, C. Cultural background influence on colours of virtual reality games and apps, Colour design, Theories and application, by Best J. (Eds) 2nd. Edition, Published by Elsevier, Woodhead Publishing, 2017, ISBN 978-0-08-101270-3 (in print), ISBN 978-0-08-101889-7 (in print), pp.529-555.

Kutatási tevékenységünk a strukturált, félig-strukturált és szabad szöveges formában rögzített adatokon alapuló gépi tanuló algoritmusok fejlesztésére fókuszál. Célunk olyan új adatalapú gépi tanuló algoritmusok fejlesztése, amelyek hatékonyan képesek kiaknázni és értékes információvá alakítani az exponenciálisan növekvő adatvagyonban rejlő rejtett információkat.

A gépi tanulás területét tekintve egyaránt foglalkozunk a felügyelt, a nem felügyelt és megerősítéses tanulás témakörébe sorolható gépi tanuló módszerek fejlesztésével. Kutatásainkban jelentős szegmenst képvisel a neurális hálózatok és a mélytanuló rendszerek fejlesztési és alkalmazási lehetőségeinek vizsgálata. A kutatási eredmények részben szakterületspecifikus, részben általános érvényű megoldásokat kínálnak a felmerülő kérdések és problémák megoldására.

A kutatólaboratórium tagjai:

Dr. Fogarassyné dr. Vathy Ágnes, habilitált egyetemi docens, laborvezető
Starkné dr. Werner Ágnes, egyetemi docens
Dr. Dulai Tibor, egy. adjunktus
Dr. Ábrahám Gyula, tudományos munkatárs
Gombás Veronika, tudományos segédmunkatárs, PhD hallgató
Nagy Zsuzsanna, PhD hallgató
Kontos János, PhD hallgató
Miseta Tamás, PhD hallgató
Scsibrán Péter, MSc hallgató
Kósa Bendegúz, MSc hallgató

A kutatólaboratórium korábbi tagjai:

Dr. Leitold Dániel,, adjunktus
Dr. Szekér Szabolcs

Fontosabb kutatási eredmények:

· új módszer kidolgozása a neurális hálózatok túltanulásának elkerülésére (Correlation-Driven Stopping Criterion, CDSC)

· neurális hálózat alapú előrejelző és plauzibilitási járműdinamikai modellek kidolgozása (valós mérési adatokon alapulva)

· neurális hálózat alapú prediktív optimalizálási modell kidolgozása tárolóval ellátott erőművek kereskedéséhez

· többszintű folyamatbányászati módszertan kidolgozása az egészségügyi ellátási események elemzéséhez

· gépi tanuló módszer kidolgozása a tüdőrákos betegek kemoterápiás kezelési hatékonyságának osztályozására

· antraciklinnel kezelt betegek szívelégtelenségi szövődményét prediktáló modell kidolgozása és a betegek rizikóstratifikációs modelljének megalkotása

· a kardiotoxicitás prevenciójában használatos gyógyszerek azonosítása gépi tanuló módszerek kidolgozásával

· szövegbányászati módszertan kidolgozása az echokardiográfiai leletek automatikus strukturálásához

Kiemelt publikációk:

T. Miseta, A. Fodor, Á. Vathy-Fogarassy (2024). Surpassing early stopping: A novel correlation-based stopping criterion for neural networks. Neurocomputing, 576, Paper: 127028
J. Kontos, B. Kránicz, Á. Vathy-Fogarassy (2023). Prediction for Future Yaw Rate Values of Vehicles Using Long Short-Term Memory Network. Sensors, 23(12), 5670.
S. Szekér, G. Fogarassy, Á. Vathy-Fogarassy (2023). A general text mining method to extract echocardiography measurement results from echocardiography documents. Artificial Intelligence in Medicine, 143, 102584.
T. Miseta, A. Fodor, Á. Vathy-Fogarassy (2022). Energy trading strategy for storage-based renewable power plants. Energy, 250, 123788.
J. Kontos, B. Kránicz, Á. Vathy-Fogarassy (2022). Neural Network-Based Prediction for Lateral Acceleration of Vehicles. In 2022 IEEE 2nd Conference on Information Technology and Data Science (CITDS) (pp. 153-158). IEEE.
Á. Vathy-Fogarassy, I. Vassányi, I. Kósa (2022). Multi-level process mining methodology for exploring disease-specific care processes. Journal of Biomedical Informatics, 125, 103979.
Z. Nagy, A. Werner-Stark (2020). A Multi-perspective Online Conformance Checking Technique. In: 2020 6th International Conference on Information Management (ICIM), IEEE, 172-176
Á. Vathy-Fogarassy, S. Szekér, B. Szolár, G. Fogarassy (2020). The Efficiency of Different Distance Metrics for Keyword-Based Search in Medical Documents: A Short Case Study. Studies in Health Technology and Informatics 271, pp. 232-239
D. Leitold, Á. Vathy-Fogarassy, J. Abonyi (2020). Network-Based Analysis of Dynamical Systems. Springer Briefs in Computer Science, p.110. Springer International Publishing
G. Fogarassy, Á. Vathy-Fogarassy, I. Kenessey, M. Kásler, T. Forster (2019). Risk prediction model for long-term heart failure incidence after epirubicin chemotherapy for breast cancer – A real-world data-based, nationwide classification analysis. International Journal of Cardiology, vol. 285, 47-52, 6 p.
G. Ábrahám, P. Auer, G. Dósa, T. Dulai, Á. Werner-Stark (2019). A Reinforcement Learning Motivated Algorithm for Process Optimization. Periodica Polytechnica-Civil Engineering, 63:4, 961-970
T. Miseta, Á. Vathy-Fogarassy (2019). The Effect of the Different Data Aggregation Methods and their Detail Levels to the Prediction of Bitcoin's Exchange Rate. In: Levente, Kovács; Carlos, M. Travieso-González (szerk.) Proceedings of IEEE International Work Conference on Bioinspired Intelligence IWOBI 2019, IEEE, pp. 145-152
Z. Nagy, Á. Werner-Stark, T. Dulai (2019). Using Process Mining in Real-Time to Reduce the Number of Faulty Products. In: Kamišalić Latifić, Aida; Podgorelec, Vili; Eder, Johann; Welzer, Tatjana (eds.) Advances in Databases and Information Systems: 23rd European Conference, ADBIS 2019, Springer, 89-104
S. Szekér, G. Fogarassy, K. Machalik, Á. Vathy-Fogarassy (2019). Application of Named Entity Recognition Methods to Extract Information from Echocardiography Reports. Studies in Health Technology and Informatics, vol. 260, 41-48
S. Szekér, Á. Vathy-Fogarassy (2018). The Effect of Latent Binary Variables on the Uncertainty of the Prediction of a Dichotomous Outcome Using Logistic Regression Based Propensity Score Matching. Studies in Health Technology and Informatics, vol. 248, 1-8
K. Tóth, K. Machalik, G. Fogarassy, Á. Vathy-Fogarassy (2017). Applicability of Process Mining in the Exploration of Healthcare Sequences. In: Szakál, Anikó (szerk.) IEEE 30th Jubilee Neumann Colloquium, 151-155

A kutatólaboratórium vezetőjének bemutatása

Fogarassyné Vathy Ágnes a Pannon Egyetem Rendszer- és Számítástudományi tanszékének tanszékvezető egyetemi docense. Egyetemi tanulmányait a Pannon Egyetemen végezte, majd az Eötvös Lóránd Tudományegyetemen szerzett PhD fokozatot 2009-ben Informatika tudományterületen. PhD disszertációját a nem felügyelt tanulás (gráf alapú klaszterező algoritmusok) témaköréből írta. 2023-ban habilitált Informatika tudományterületen. Tudományos érdeklődési körébe tartozik az adatintenzív prediktív analitikai módszerek fejlesztése és kutatása, a hálózatelemzés, a mélytanuló rendszerek és a gépi tanulás egészségügyi alkalmazásai. Mindezidáig 2 monográfia és több mint 100 szakcikk társszerzője, melyek főként a kutatólaboratórium témájához kapcsolódnak.

Laborvezető: Prof. Nagy Zoltán, DSc, professzor emeritus, egyetemi tanár,
E-mail: profnagyzoltan@gmail.com

Tagok:

Prof. Kozmann György†, DSc, professzor emeritus, egyetemi tanár
Dr. Juhász Zoltán, egyetemi docens
Körmendi János PhD hallgató

A kutatólaboratórium tevékenysége

Kutatási tevékenységünk az agyi elektromos jelenségek EEG mérési technológiával történő vizsgálatára és új EEG adatfeldolgozási módszerek fejlesztésére fókuszál. Az emberi agy működése közben keletkező bioelektromos jeleket sokcsatornás (128 elektróda) és magas mintavételi frekvenciájú (2-4 kHz) regisztráció után képi formátumban lehet megjeleníteni, ami a bioelektromos képalkotás alapja. A nagy időbeli felbontás (milliszekundum alatti időlépték) lehetővé teszi az agyműködés dinamikájának olyan szintű feltérképezését, ami más képalkotó módszerekkel (fMRI, PET, NIRS) nem lehetséges. Laboratóriumunkban kifejlesztettünk egy új, az sLORETA típusú feldolgozási rendszerre épülő, az agyi folyamatok lényegét kiemelő képalkotó módszert (Single Channel Activity Laplacian Map, SICAL), amellyel a motoros működés és annak zavarai vizsgálhatók. Új módszereket fejlesztettünk ki az EEG méréseket kísérő, az adatokat nagymértékben zavaró és torzító műtermékek eltávolítására. Módszereink az irodalomban ismert eljárásoknál pontosabban tisztítják a mért jeleket. Kutatásunk kiterjed az agyi folyamatok oszcillációs tulajdonságainak vizsgálatára is. Új eljárással tudjuk vizsgálni a stroke betegek ujjbillentés végrehajtásának változásait. Munkánk további célkitűzései az EEG képalkotás alapkutatási kérdéseinek vizsgálata (forward és inverz számítás alkalmazása, agyi források jellemzése), valamint az agyi hálózatok dinamikájának minél pontosabb feltérképezése, ennek érdekében magas térbeli és időbeli felbontású konnektivitási idősorok meghatározása EEG jelekből, majd ezek elemzése. Szintén nagy figyelmet fordítunk a feldolgozás informatikai kérdéseire, a komplex jel- és adatfeldolgozó algoritmusok minél gyorsabb és hatékonyabb végrehajtására. Ehhez nagyfokúan párhuzamos, több ezer processszor-magot is kihasználni képes implementációkat készítünk. Kutatási munkánk során együttműködünk az Országos Mentális Ideggyógyászati és Idegsebészeti Intézettel, a Pannon Egyetem Modern Filológiai és Társadalomtudományi Karával és az írországi University College Dublin-nal.

Kutatási eredmények

A regisztrálás során keletkező műtermékek szűrésének új módszere,
Egy új EEG-alapú funkcionális képalkotó módszer,
A lényegkiemelés optimalizált algoritmusának beállítása,
A módszerek már ismert technikákkal (fMRI, LORETA) történő validálása,
A dipólus irányának hatásvizsgálata fejmodellen, illetve a jel-zaj viszonyok elemzése,
A frekvenciafüggés jelentőségének vizsgálata,
Az életkorfüggő aktivitási mintázat elsőként végzett vizsgálata az ujjbillentési paradigmában,
A kezesség meghatározásának új módszere,
A mozgásszerveződés változásának jellemzése a stroke utáni állapotban az aktivált csatornák eloszlása alapján,
Lokalizációs pontossági becslések egyszerű és realisztikus fejmodellen, értékes következtetések a hibák forrására,
Interaktív, epileptikus lokalizációt többféle módszerrel is segítő szoftver (SOLO környezet), melynek újdonsága az intrakraniális elektródák támogatása,
Új, nagyfokúan párhuzamos GPU algoritmusok EEG jelfeldolgozási részfeladatokra.

Válogatott publikációk

Issa M.F., Kozmann G., Juhasz Z. (2021) Increasing the Temporal Resolution of Dynamic Functional Connectivity with Ensemble Empirical Mode Decomposition. In: Jarm T., Cvetkoska A., Mahnič-Kalamiza S., Miklavcic D. (eds) 8th European Medical and Biological Engineering Conference. EMBEC 2020. IFMBE Proceedings, vol 80. Springer, Cham. https://doi.org/10.1007/978-3-030-64610-3_74
Juhasz, Zoltan. "Quantitative cost comparison of on-premise and cloud infrastructure-based EEG data processing." Cluster Computing (2020): 1-17, doi: 10.1007/s10586-020-03141-y. (IF: 3.458)
Issa, M.F., Juhasz, Z. Improved EOG Artifact Removal Using Wavelet Enhanced Independent Component Analysis. Brain Sci. 2019, 9, 355. (IF: 3.332).
Mohamed F. Issa, Gergely Tuboly, György Kozmann, Zoltan Juhasz, Automatic ECG artefact removal from EEG signals – Measurement Science Review, 19, (2019), No. 3, 101-108 (IF: 0.985)
M.F. Issa, Z. Juhasz, Gy. Kozmann, Automatic Removal of EOG artefacts from EEG based on Independent Component Analysis, Pannonian Conference on Advances in Information Technology (PCIT 2019), 31 May – 1 June, Veszprem, Hungary.
Mohamed F. Issa, Gyorgy Kozmann, Zoltan Nagy, Zoltan Juhasz, Functional Connectivity Biomarkers based on Resting-state EEG for Stroke Recovery, Measurement 2019, 12th International Conference on Measurement, May 27-29, Smolenice, Slovakia.
G. Benko and Z. Juhasz, GPU implementation of the FastICA algorithm, MIPRO 2019, 42th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), Opatija, May 20-24, 2019.
Z. Juhasz and M.F. Issa, EEG based imaging of stroke location, extent and progress of recovery using a GPU architecture, MIPRO 2019, 42th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), Opatija, May 20-24, 2019.
Zoltán Juhász, Mohammed F. Issa, János Körmendi, Ádám Gyulai, Zoltán Nagy, Quantitative EEG in stroke rehabilitation, 6th Neuroimaging Workshop, 19-20 Oct 2018, Pecs, Hungary.
Juhász Zoltán, Katona Melinda, Bodnár Péter, Tóth Eszter, Bozsik Bence, Bencsik Krisztina, Nyúl László, Vécsei László, Kincses Zsigmond Tamás, Az orvosi képalkotás klasszikus és új informatikai megoldásai, IME: INTERDISZCIPLINÁRIS MAGYAR EGÉSZSÉGÜGY / INFORMATIKA ÉS MENEDZSMENT AZ EGÉSZSÉGÜGYBEN, XVII: 9 pp. 56-61, (2018)
Mohamed F. Issa, Zoltan Juhasz and Gyorgy Kozmann, EEG analysis methods in neurolinguistics: a short review, IME: INTERDISZCIPLINÁRIS MAGYAR EGÉSZSÉGÜGY / INFORMATIKA ÉS MENEDZSMENT AZ EGÉSZSÉGÜGYBEN XVII: 2 pp. 48-54, (2018)
Z. Juhasz, "Highly parallel online bioelectrical signal processing on GPU architecture," MIPRO 2017, 40th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), Opatija, 2017, pp. 340-346. doi: 10.23919/MIPRO.2017.7973446
Z Juhasz, G Kozmann, “A GPU-based Soft Real-Time System for Simultaneous EEG Processing and Visualization”, Scalable Computing: Practice and Experience 17 (2), 61-78.
21. Z Juhasz, I Vassanyi, A G Nagy, A Papp, D Fabo, Gy Kozmann, SOLO: An EEG Processing Software Framework for Localising Epileptogenic Zones, In: Ján Manka, Milan Tysler, Viktor Witkovsky, Ivan Frollo (szerk.) Measurement 2013: 9th International Conference on Measurement. Konferencia helye, ideje: Smolenice, Szlovákia, 2013.05.27-2013.05.30. Bratislava: Vydavatelstvo Slovenskej Akadémie Vied (VEDA), 2013. pp. 105-108.
Colombo G, Merico D, Boncoraglio G, De Paoli F, Ellul J, Frisoni G, Nagy Z, van der Lugt A, Vassányi I, Antoniotti M.: "An ontological modeling approach to cerebrovascular disease studies: The NEUROWEB case." Journal of Biomedical Informatics, 2010 Aug, 43(4):469-84 (SCI impact factor: 1.94)
De Vico Fallani F, Astolfi L, Cincotti F, Mattia D, la Rocca D, Maksuti E, Salinari S, Babiloni F, Vegso B, Kozmann G, Nagy Z.: Evaluation of the brain network organization from EEG signals: preliminary evidence in stroke patient. Anat Rec. 2009 Dec; 292(12): 2023-31. (SCI impact factor: 1.569)
Vassányi I, Dulai T, Muhi D: "Mapping Clinical Databases to the Neuroweb Ontology: Lessons Learned" Med-e-Tel Conference, 16-18 April 2008, Luxembourg. In Malina Jordanova (ed.) "Global Telemedicine and eHealth Updates: Knowledge Resources", Vol. I, April 2008, ISSN 1998-5509, pp. 84-88.
Kozmann G, Cserti P, Nagy Z: New approach of spatio-temporal cortical activation assessment in finger-tapping studies. In: Lecture notes of the ICB Seminar on Variability in Biomedical Signals, pp: 3-4. 128th ICB Seminar, Warsaw, November 4-7, 2012.
Juhasz Z, Vassanyi I, Nagy GA, Papp A, Fabo D, Kozmann G: SOLO: An EEG Processing Software Framework for Localising Epileptogenic Zones. Proc. 9th Int. Conf. on Measurement, May 2013, Smolenice, Slovakia, ISBN 978-80-969-672-5-4 pp 105-108.

A kutatólaboratórium vezetőjének bemutatása

Dr. Nagy Zoltán ideg-elmegyógyász kutató, neurológus, egyetemi tanár. Orvostudományok kandidátusa címet szerzett 1981-ben, az MTA doktora 1992 óta. A Haynal Imre Egészségtudományi Egyetem neurológia tanszékét vezette 2000-től az egyetem megszűnéséig. Az Agyérbetegségek Országos Központjának igazgatója 1993-tól, az Országos Pszichiátriai és Neurológiai Intézet főigazgatója 2002-től egészen az intézet megszűnéséig. 2008 óta a Pannon Egyetem Műszaki Informatikai Karának professzora, valamint a Semmelweis Egyetem Szív és Érgyógyászati Klinikán a Vascularis neurológiai Tanszéki Csoport tanácsadója. 2011. március 15-i nemzeti ünnep alkalmából a Magyar Köztársasági Érdemrend lovagkeresztje kitüntetést vehette át, 2012 és 2018 február között az Országos Idegtudományi Intézet főigazgatói feladatainak ellátásával lett megbízva. Eddig 390 magyar és idegen nyelvű közleménye jelent meg, egyesített impakt faktora 265.3, SCI citációs indexe meghaladja a 3000-at. Az MTA Orvosi Osztályának választott tagja, valamint az Egészségügyi Tudományos Tanács Tudományos és Kutatásetikai Bizottságának tagja. A Pannon Egyetem Informatikai Tudományok Doktori Iskolájának törzstagja, a SOTE Szentágothai János Idegtudományi Doktori Iskola programvezetője. Közvetlen irányítása mellett 27 doktorjelölt védte meg PhD tézisét. Fő kutatási területei az agyműködés mezoszkopikus szintű kutatása, valamint az agyi plaszticitás vizsgálata.

A kutatólaboratórium tagjai

Hartung Ferenc, DSc, professzor, a kutatólaboratórium társvezetője
Pituk Mihály, DSc, professzor, a kutatólaboratórium társvezetője
Horváth László, PhD, egyetemi docens

A kutatólaboratórium korábbi tagjai

Győri István†, DSc, professzor emeritus, a kutatólaboratórium alapító vezetője
David Reynolds, Senior Lecturer, School of Mathematical Sciences, Dublin City University
Slezák Bernát, PhD, ny. egyetemi docens
Essam Awwad, PhD hallgató (fokozatot szerzett 2013-ban)
Benkő Attila, PhD hallgató (fokozatot szerzett 2015-ben)
Krasznai Beáta, PhD, adjunktus
Nahed A. Mohamady, PhD hallgató (fokozatot szerzett 2017-ben)

A kutatólaboratórium tevékenysége

Számos biológiai, fizikai, kémiai, műszaki és közgazdaságtani folyamatot olyan egyenletekkel lehet modellezni, ahol a rendszer pillanatnyi megváltozása annak korábbi állapotától is függ. Ezeknek a folyamatoknak a modellezésére késleltetett differenciálegyenleteket és differenciaegyenleteket használhatunk. Az alkalmazások számára fontos, hogy a modellek megoldásainak tulajdonságairól minél több információt nyerjünk. Kutatásaink célja olyan új elméleti és numerikus módszerek kidolgozása és gyakorlati problémákra történő alkalmazása, amelyekkel a késleltetett differenciál- és differenciaegyenletek megoldásainak aszimptotikus viselkedésére, stabilitására, oszcillációjára és differenciálhatóságára kaphatunk új tudományos eredményeket. Ehhez kapcsolódóan kutatások folynak integrálegyenletek, impulzív egyenletek, illetve integrál- és differenciálegyenlőtlenségek vizsgálatával kapcsolatban is. Eredményeiket elsősorban biológiai folyamatok és neuronhálózatok leírására szolgáló matematikai egyenletek, mechanikai mozgások modelljei motiválják.

Kutatási eredmények

Kutatásaink a differenciál- és differenciaegyenletek kvalitatív tulajdonságainak vizsgálatához, elsősorban stabilitási, korlátossági, pozitivitási kérdésekhez, a megoldások aszimptotikus jellemzéséhez, a folytonos és diszkrét integrálegyenlőtlenségek és az állapotfüggő késleltetésű egyenletek témaköréhez kapcsolódnak. Az elért eredmények közül kiemeljük egy lineáris késleltetett differenciálegyenlet ún. oszcillációs korlátjának pontos megadását, amely eddig 30 éve nyitott kérdés volt az irodalomban. A 2019-2023 kutatási időszakban 34 publikációnk jelent meg, melyek közül 32 impakt faktoros folyóiratcikk és egy monográfia. A publikációk összesített impakt faktora 62,07. Dolgozatainkra az elmúlt 5 évben 827 független hivatkozást regisztráltunk.

A kutatólaboratórium alapítójának bemutatása

Győri István (1943-2022) okl. matematikus (JATE TTK, 1968), 1968 és 1993 között a szegedi Szent-Györgyi Albert Orvostudományi Egyetem munkatársa, ahol a Számítástechnikai Központ alapítója és vezetője (1970-1993). Két évig (1987-1989) a University of Rhode Island (Providence, USA) egyetem vendégprofesszora, a matematikai tudomány doktora (1992). A Veszprémi Egyetem (ma Pannon Egyetem) egyetemi tanára, professzor emeritusa (1993-), a Matematikai és Számítástechnikai Tanszék tanszékvezetője (1993-2009), a Veszprémi Egyetem rektora (1995-98). Széchenyi Professzori ösztöndíjas (1996-2000), az informatikatanári (egyetemi és MSc szakok) és a matematika BSc szak szakvezetője, a PE MIK Informatikai Tudományok Doktori Iskola alapító tagja. Az „International Journal of Qualitative Theory of Differential Equations and Applications” (India) folyóirat főszerkesztője, a „Functional Differential Equations” (Izrael), „Advances in Difference Equatons” (USA), „Journal of Advanced Research in Dynamical and Control Systems” (USA), „Communications in Differential and Difference Equations” (India), „International Journal of Difference Equations and Dynamical Systems” (India), „International Journal of Dynamical Systems and Differential Equations” (India), „Far East Journal of Mathematics” (India), „Pacific-Asian Journal of Mathematics and Mathematical Sciences” (USA), „Mathematical Notes” (Miskolc), „Alkalmazott Matematikai Lapok” szerkesztőbizottsági tagja. Az MTA VEAB Matematikai és Fizikai szakbizottságának elnöke, az MTA VEAB Matematikai analízis és alkalmazásai munkabizottság tagja. Grünwald Géza-emlékérem tulajdonosa (1973), a Kiváló Munkáért miniszteri kitüntetés (1982), a Neumann János-díj (1992), a Chilei Egyetem Prof. Niemeyer Fernandez tiszteletbeli professzori cím (1994) és a Szent-Györgyi Albert-díj tulajdonosa (2000) tulajdonosa. Eredményeiért 2009-ben a Magyar Köztársasági Érdemrend lovagkeresztje, 2018-ban pedig Eötvös József-koszorú kitüntetésben részesült. Publikációinak száma: 231 (ebből 1 monográfia és 151 referált nemzetközi folyóiratcikk), független hivatkozásainak száma több mint 3700.

További információ

A kutatólaboratórium vezetője: Dr. Tuza Zsolt, egyetemi tanár

A kutatólaboratórium tagjai:

Dr. Bujtás Csilla, egyetemi docens (CV)
Dr. Dósa György, egyetemi tanár (CV)
Dr. Tuza Zsolt, egyetemi tanár (CV)

A kutatólaboratórium tevékenysége:

A kutatólaboratórium számos irányban folytat elméleti kutatásokat. Egyik fő területként a diszkrét matematikai modellek – elsősorban gráfok (hálózatok) és hipergráfok – strukturális és extremális tulajdonságait, valamint és ezzel összefüggésben a kombinatorikus problémák algoritmikus (idő-) komplexitását vizsgálják. Másik fő irányként diszkrét optimalizálási feladatok (például különféle ládapakolási feladatok) approximálhatóságát, valamint offline és online ütemezések versenyképességi arányát tanulmányozzák.

Kutatási eredmények:

A gráfszínezés klasszikus és listás változataira vonatkozó kutatások mellett olyan színezéseket is tanulmányoznak, ahol a színek száma valamilyen lokális feltétellel felülről korlátozott. Strukturális, komplexitási és a felhasználható színek számára vonatkozó eredmények mellett a gráfok elvágó csúcs- és élhalmazaival való szoros kapcsolat került kimutatásra.

Bevezették a hipergráfok színezéseinek, halmazrendszerek partícióinak általános modelljét, és egy cikksorozatban publikálták a rájuk vonatkozó elmélet részleteit. Eközben egy speciális részosztályra (C-színezés) vonatkozóan több, hosszú ideje nyitott problémát oldottak meg. Ezek közül a legrégebbi kérdés az n-elemű halmaz minden k-osztályú partícióját lefogó k-elemű transzverzális-rendszer minimális mérete, amelyre aszimptotikusan pontos megoldást találtak és egy korábbi ezzel kapcsolatos sejtést cáfoltak.

Több megközelítésben tanulmányozták a gráfok és halmazrendszerek felbonthatóságát. Komplexitási eredményeket értek el csúcspartíciók létezésére vonatkozóan, fokszámfeltételek mellett. Új módszereket dolgoztak ki teljes uniform hipergráfok körfelbontásaira.

Két évtizeden át nyitott probléma megoldásaként karakterizálták az olyan hálózatok szerkezetét, amelyeknek minden összefüggő részében létezik egy előírt tulajdonságú domináló részhálózat (vagyis amelyből a részhálózat összes többi eleme is közvetlenül elérhető). Adott minimális fokszámot feltételezve a csúcsok számának függvényében felső korlátokat bizonyítottak a gráfok dominálási számára. Ezek a jelenleg ismert legjobb felső becslések az 5 és 50 közötti minimális fokszám esetére, továbbá a bizonyítás algoritmikus eljárást is ad a korlátot meg nem haladó méretű domináló halmazok konstruálására. Hasonló eredmények születtek a 2-dominálásra vonatkozóan.

A korábban ismerteknél jobb versenyképességi arányt biztosító online ütemezési algoritmusokat konstruáltak, továbbá bebizonyították, hogy több feladatra is az alkalmasan szervezett félig online (részleges információt felhasználó) algoritmusok garantáltan hatékonyabbak, mint ami a teljesen online esetben bármilyen módszerrel elérhető. Négy évtizede nyitott probléma lezárásaként meghatározták a „First Fit Decreasing” és a „First Fit” algoritmusok pontos abszolút approximációs arányát. Új ütemezési és ládapakolási modelleket vezettek be és bizonyították azok approximációs tulajdonságait.

A jelenlegi legjobb alsó-, illetve a jelenlegi legjobb felső becsléseket határozták meg az online ládapakolási feladatra.

Bevezették az úgynevezett Board Packing téglalap-pakolási feladatot, és vizsgálták annak megoldhatóságát különféle algoritmusokkal. Más négyzetpakolási és feladatokkal is foglalkoznak.

Megadták az első tisztán kombinatorikus bizonyítását annak, hogy az 1,2,…,24 méretű négyzetekkel nem lehet lefedni a 70*70-es nagy négyzetet. A feladat nagyjából 100 éves múltra tekint vissza, ez az első tisztán elméleti bizonyítás, amely nem használ fel számítógépes segítséget.

A „kombinatorikus batch kód” olyan halmazrendszer, amellyel adott mennyiségű információ adott számú szerveren történő tárolása és kiolvasása modellezhető. A kikötések az egyszerre dekódolandó adatok maximális számára és az adatvédelemmel kapcsolatos titkosításra vonatkoznak. A feltételeknek eleget tevő halmazrendszer minimális összméretét határozták meg a paraméterek különböző tartományain, továbbá a kombinatorika ehhez kapcsolódó klasszikus problémaköreire (Hall feltétel, Turán-probléma) vonatkozóan is új eredményekre jutottak.

Együttműködések:

Munkánkat széleskörű nemzetközi és hazai együttműködésben végezzük, Az idők folyamán 300-nál több kollégával folytattunk olyan közös kutatásokat, amelyekről nemzetközi fórumokon jelentettünk meg tudományos közleményeket. A fent idézett eredményekben is számos külső társszerző működött közre, név szerint Bacsó Gábor, Balogh János, Cristina Bazgan, Békési József, Leah Epstein, Xin Han, Mike Henning, Lars Magnus Hvattum, Jaskó Szilárd, Hans Kellerer, Keszler Anita, Sandi Klavžar, Asaf Levin, E. Sampathkumar, Jiri Sgall, M. Grazia Speranza, Daniel Vanderpooten.

Pályázatok, konferenciák:

A kutatócsoport tagjai különféle pályázatokat nyertek az elmúlt években (pl. Szlovén-Magyar OTKA), és különféle projektekben vállaltak szerepet, valamint több sikeres konferenciát szerveztek (Discrete Mathematics and Applications Conference, 2018, Veszprém Optimization Workshop 2019, Optimization and Algorithms - Semi online 25, 2023).

Publikációk:

A kutatócsoport tagjainak az elmúlt években egyebek mellett közel 100 impakt faktoros publikációja született a DBLP adatbázis adatai szerint. Az alábbiakban megadunk 10 fontosabb publikációt az elmúlt évekből.

Problémák, amiket mostanában oldottunk meg:

A kutatólaboratórium vezetőjének bemutatása:

Tuza Zsolt szerteágazó tudományos kutatásokat folytat, 470 angol nyelvű publikáció szerzője. Fő kutatási területei a Kutatólaboratórium profiljába illeszkednek. Emellett számos munkája foglalkozik kombinatorikus módszerek alkalmazásaival más tudományterületeken.

A kutatócsoport két tagja munka közben

A kutatólaboratórium vezetője

· Hangos Katalin, DSc, egyetemi tanár

A kutatólaboratórium munkatársai

· Dulai Tibor, PhD, adjunktus

· Gerzson Miklós, PhD, egyetemi docens

· Magyar Attila, DSc, egyetemi tanár

· Starkné Werner Ágnes, PhD, egyetemi docens

PhD hallgatóink

· Nagy Zsuzsanna (témavezető: Starkné Werner Ágnes)

· Wijaya Kurniawan (témavezetők: Márton Lőrinc és Hangos Katalin)

· Brand Ádám (témavezetők: Magyar Attila és Szücs Veronika)

A kutatólaboratórium tevékenysége:

A kutatólaboratórium a rendszer- és irányításelmélet, valamint a mesterséges intelligencia interdiszciplináris kérdéseivel foglalkozik az alábbi fő kutatási témák művelésével.

1. Hálózattal összekötött nemlineáris pozitív rendszerek modellezése, analízise, elosztott szabályozórendszereinek tervezése és diagnosztikája.
Elsősorban biológiailag, kémiailag és ökológiailag motivált nemlineáris pozitív rendszerekkel, kinetikus és általánosított Lotka-Volterra modellekkel leírható rendszerosztályokkal foglalkoznak. A statikus összeköttetésekkel rendelkező komplex, köröket és hurkokat is tartalmazó hálózati topológia mellett dinamikus, elosztott időkésleltetéssel rendelkező hálózatokat is vizsgálnak. A szabályozók tervezésére passzivitás alapú módszereket, diagnosztikára pedig modell alapú, megfigyelő (observer) tervezésre alapozó módszereket használnak.

2. Logisztikai, ipari, illetve egészségügyi folyamatok ütemezése mesterséges intelligencia alapú módszerekkel.
Nagyméretű és/vagy komplex problémák ütemezése egzakt megoldóval időigényes, sok esetben lehetetlen. Ezzel szemben megfelelő heurisztikus módszerek rövid futási idővel képesek elfogadható, közel-optimális (sok esetben akár optimális) megoldásokat eredményezni. Metaheurisztikus algoritmusokat és probléma specifikus heurisztikákat dolgoznak ki logisztikai, ipari, illetve egészségügyi folyamatok ütemezésére.

3. Üzleti és ipari folyamatok nyomon követése és javítása folyamatbányászati és mesterséges intelligencia algoritmusok alkalmazásával témában két kiemelt területtel foglalkoznak: (1) A megfelelőség-ellenőrzés a folyamatbányászat egyik fő típusa, amely szembesíti a modellezett viselkedéseket egy folyamat megfigyelt viselkedésével, hogy észlelje, megkeresse és megmagyarázza a köztük lévő eltéréseket. (2) Statikus (CARP) és dinamikus (DCARP) kapacitált ív útvonal tervezési problémák megoldása, amelyek NP-nehéz kombinatorikus optimalizálási feladatok. A CARP megköveteli a legolcsóbb útvonaltervek meghatározását az úthálózat grafikonján olyan járművek számára, amelyek bizonyos megkötéseknek vannak kitéve. A Dynamic CARP (DCARP) a CARP egy olyan változata, amely figyelembe veszi a probléma dinamikus változásait (például új feladat megjelenését).

4. Intelligens irányítási technikák mérnöki alkalmazásai területén két újonnan induló témával foglalkoznak. (1) Okos világítástechnikai rendszerek dinamikus analízise, irányítása és diagnosztikája, amelynek keretében a világítástechnikai rendszer leírására fuzzy szabályalapú modelleket használnak, amely jól alkalmazható a bizonytalanságok leírására. (2) Sztochasztikus Petri háló modellek közlekedési alkalmazások dinamikus analízisére.

Kutatási eredmények:

Az elmúlt időszakban a kutatólaboratórium tagjai az alábbi fontosabb eredményeket érték el.

a) Módszert adtak elosztott időkésleltetésű reakció hálózatok fizikai motivációjú modellezésére és megmutatták, hogy a komplex kiegyenlített (complex balanced) reakció-hálózatok tetszőleges elosztott időkésleltetés mellett stabilak maradnak [1].

b) Konvex optimalizáción alapuló módszert adtak időkésleltetéses polinomiális rendszerek stabilizáló szabályozóinak tervezésére kinetikus realizációk segítségével [2].

c) Passzivitáson alapuló módszert adtak időkésleltetéses hálózatos kinetikus rendszerek elosztott szabályozó-rendszereinek tervezésére [3].

d) A mesterséges intelligencia módszerekkel történő ütemezés tervezési eredményeket eddig speciálisan szállítási, termelési és járóbeteg-ellátási folyamatok optimalizálására alkalmazták [4], [5].

e) Kifejlesztettek egy többperspektívás online megfelelőség-ellenőrzési technikát, amelynek célja, hogy a modellezett viselkedéseket adat Petri-háló folyamatmodell formájában szembesítsék a megfigyelt viselkedések eseményfolyamával. A megfelelőség-ellenőrzés kiszámításához két technikát alkalmaztak: egy előtag-illesztés alapú technikát, amely heurisztikus keresés alkalmazásával képes kiszámítani a nem teljes folyamat végrehajtások megfelelőségi statisztikáját, és egy igazításon alapuló többperspektívás megfelelőség-ellenőrző technikát, amely képes teljes folyamatpéldányok megfelelőségi mértékét kiszámítani, miközben többféle nézőpontra fókuszál [6].

f) Kifejlesztettek egy mesterséges méhkolónia algoritmust (Artificial Bee Colony Algorithm) a CARP feladat számára, valamint egy új mozgatási operátort is meghatároztak, amelyet az algoritmus alkalmaz. A megoldást mind CARP, mind DCARP feladatokra kipróbálták, tesztelték [7].

Kiemelt publikációk:

1. Lipták, Gy.; Pituk, M ; Hangos, K M: Modelling and stability analysis of complex balanced kinetic systems with distributed time delays, JOURNAL OF PROCESS CONTROL 84 pp. 13-23. , 11 p. (2019)

2. Lipták, Gy. ; Hangos, K M ; Szederkényi, G: Stabilizing feedback design for time delayed polynomial systems using kinetic realizations, EUROPEAN JOURNAL OF CONTROL 57 pp. 153-171. , 9 p. (2021)

3. Márton, L., Szederkényi G, Hangos KM: Modelling and control of networked kinetic systems with delayed interconnections, JOUNAL OF PROCESS CONTROL, 130 paper: 103084 (2023)

4. Auer, P; Dósa, Gy; Dulai, T; Fügenschuh, A; Näser, P; Ortner, R; Werner-Stark, Á: A new heuristic and an exact approach for a production planning problem. Central European Journal of Operations Research, pp. 1-35. (2020)

5. Süle, Z; Baumgartner, J; Leitold, D; Dulai, T; Orosz, Á; Vathy-Fogarassy, Á: Software Framework and Graph-based Methodology for Optimal Patient Appointment Planning. Procedia Computer Science, pp. 1169-1176. (2023)

6. Nagy, Zs.; Werner-Stark, Á: An Alignment-based Multi-Perspective Online Conformance Checking Technique, ACTA POLYTECHNICA HUNGARICA 19 : 4 pp. 105-127, 23 p. (2022)

7. Nagy, Zs.; Werner-Stark, Á.; Dulai, T.: An Artificial Bee Colony Algorithm for Static and Dynamic Capacitated Arc Routing Problems, MATHEMATICS 10 : 13 Paper: 2205, 38 p. (2022)

A kutatólaboratórium vezetőjének bemutatása:

Hangos Katalin okleveles vegyész (ELTE TTK, 1976), okleveles programozó matematikus (ELTE TTK, 1980), az MTA doktora (1993), habilitált doktor (kémia tudomány, 1994, műszaki informatika, 2000). Jelenleg egyetemi tanár a Pannon Egyetemen, valamint tudományos tanácsadó a HUN-REN Számítástechnikai és Automatizálási Kutató Intézet Rendszer- és Irányításelméleti Laboratóriumában. Hangos Katalin professzor asszony az Intelligens Irányító Rendszerek Kutatólaboratórium vezetője, aki erős rendszer és irányításelméleti, valamint számítástudományi képzettségével egyike a folyamatirányítási tudomány kevés női professzorainak. Fő érdeklődési területe a folyamatrendszerek irányítási és diagnosztikai célokra végzett dinamikus modellezése. Több mint 100, a folyamatrendszerek modellezésének és irányításának különböző aspektusaival foglalkozó cikk, kb. 200 konferencia közlemény és 4 könyv társszerzője, amelyekben nemlineáris, sztochasztikus, Petri-háló alakú, kvalitatív és gráfelméleti folyamatmodellek egyaránt előfordulnak. Az IFAC Technical Committee on Chemical Process Control magyar képviselője, valamint tagja az IFAC Magyar Nemzeti Bizottságának. Tagja az MTA Informatikai Tudományos Bizottságának, valamint az MTA Doktori Tanácsának.

1. oldal / 2

3D Virtuális és Digitális Környezetek Kutatólaboratórium

Adatintenzív Mesterséges Intelligencia Módszerek és Rendszerek Kutatólaboratórium

Bioelektromos Képalkotó Kutatólaboratórium

Differenciálegyenletek és Alkalmazásai Kutatólaboratórium

Diszkrét Matematikai Struktúrák és Algoritmusok Kutatólaboratórium

Intelligens Irányító Rendszerek Kutatólaboratórium