Informatikai Tanszékcsoport>>> Tanszékek>>>

In English

Mesterséges Intelligencia Kutatócsoport szemináriumai 2003/04. II. félévében

 Helyszín: Gépterem (Mest. Int. Kutcsop., Bólyai ép., I. em., 53-szoba)

 Időpont: péntekenként 14.00-14.45 -ig

 

Febr. 13.	Vinkó Tamás: Megbízható számítások a robotikában abstract
Febr. 20.	Bánhalmi András : HMM áttekintése és alkalmazása a beszédfelismerésben és más szekvenciális felismerési feladatoknál abstract
Febr. 27.	Paczolay Dénes: Beszélő normalizálás abstract
Márc. 4.	Jelasity Márk: Számítások nagy és dinamikus hálózatokban: az aggregáció mint szemléltető példa abstract
Márc. 12.	Tóth László : Osztályozó-kombináció a beszédfelismerésben abstract
Márc. 19.	Felföldi László : AHP alapú osztályzó kombináció abstract
Márc. 26.	Szarvas György és Farkas Richárd
Ápr. 2.	Gosztolya Gábor

Megbízható számítások a robotikában

 2004. Február 13.

 Vinkó Tamás

  Az előadás egy rövid áttekintést nyújt a robotikában felmerülő néhány globális optimalizálási feladatról. Célunk olyan problémák ismertetése, amelyekre a garantált megbízhatóságú optimalizálási eljárások hatékonyan alkalmazhatók. Megismerkedünk a Gough-platformnál felmerülő kinematikai kérdésekkel, valamint egy akadályokkal terhelt térben megvalósítandó ütközésmentes útkereső feladattal, valamint ezek egy lehetséges megoldásával.

HMM áttekintése és alkalmazása a beszédfelismerésben és más szekvenciális felismerési feladatoknál

 2004. Február 20.

 Bánhalmi András

  A DTW beszédfelismerő algoritmussal kezdjük a témát, mely tulajdonképpen egy egyszerű tábálzatkitöltés, de nem tanítható. A táblázat tanítható kitöltésével egyfajta HMM-et kapunk. Foglalkozunk a HMM típusaival, tanításával, a vele történő felismeréssel. Továbbá áttekintjük a HMM más típusait, és más felhasználási lehetőségeket, mint pl. szekvencia felismerés illetve beszédszintézis.

Beszélő normalizálás

 2004. Február 27.

 Paczolay Dénes

  Az előadás témája a beszélő normalizálás egyik legjobban elterjedt változata a Vocal Track Length Normalization volt. A bevezető a normalizálás és adaptáció fontosságáról és létjogosultságáról szólt, ezután a modell fizikai alapjainak ismertetése következett. A probléma ismertetése után jöhettek a lehetséges megoldások, a matematika modellek, illetve e modellek paramétereinek becslése, azaz a beszélő torok hosszával korreláló adat meghatározása. Az előadás e területen elért eredményeink, majd a továbblépés lehetőségeivel fejeződött be.

Számítások nagy és dinamikus hálózatokban: az aggregáció mint szemléltető példa

 2004. Március 4.

  Jelasity Márk

  Számítások végzése nagy és dinamikus hálózatokban, mint amilyenek az Internet vagy érzékelő-hálózatok, komoly kihívás. A központi kontroll hiánya és a nagy méret új megközelítést követel meg hogy alapvető funkciókat, mint pl. megfigyelés, irányítás vagy keresés, megvalósíthassunk. Az előadásban egy olyan megközelítést javasolok amely az önszerveződésre mint alapvető elvre épül, azaz ahol a funkció sok komponens lokális inerakciója eredményeként áll elő. Ez ilyen jellegű problémák a modern mesterséges intelligencia egyik fontos területet képezik. Példaként az aggregáció megvalósítását mutatom be: nagy elosztott számhalmazok felett ki tudunk számolni különböző aggregáltakat mint pl. átlag, különböző közepek, hálozat méret, összeg, stb. Megmutatom hogy a javasolt protokoll gyors, skálázható és robosztus.

Osztályozó-kombináció a beszédfelismerésben

 2004. Március 12.

  Tóth László

  Az előadásban megadunk egy általános sémát, amelyen keresztül a beszédfelismerési probléma osztályozók kombinációjaként tekinthető. Ennek segitségével a szokásos (függetlenségi feltevésen alapuló) szorzás-szabály lecserélhető általánosabb módszerekre. Megvizsgáljuk különféle kombinációs megközelítések lehetőségeit, valamint szót ejtünk a tanítás problematikájáról és a helyes szegmentálások megtalálásához szükséges "outlier modeling" problémáról.

AHP alapú osztályzó kombináció

 2004. Március 19.

  Felföldi László

  Az AHP (Analytic Hiearachy Process) egy jól ismert és gyakran alkalmazott algoritmus a többtényezős döntések (Multi-Criteria Decision Making) témakörében. Az előadáson áttekintjük az MCDM és az AHP matematikai alapjait, majd bevezetünk egy, az AHP-n alapuló osztályozó kombinációs eljárást, és összehasonlítjuk a többi lineáris kombinációs (egyszerű és súlyozott átlagot használó) módszerrel.