Skip to main content
ENHU
Címlap

Main navigation

  • Felfedezés
    • Hírek
    • Események
    • Pályázatok
  • Kutatási területek
  • Anyagok
    • Publikációk
    • Letöltések
    • Kiadvány
  • Rólunk
  • Partnerek
  1. Címlap

Budapesti Műszaki és Gazdaságtudományi Egyetem

www.bme.hu
Széchenyi Plusz RRF
Bemutatás

A Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) az ország és a közép-európai régió egyik meghatározó mérnökképző intézménye, 23,000 diákkal és 1,500 oktató/kutatóval. Az Egyetem a magas szintű KFI tevékenysége alapján 2011-ben kapta meg a Kutató Egyetemi címet.

A Mesterséges Intelligencia (MI) kutatások három szinten valósulnak meg:

  • az MI teljesítőképességének a növelése matematikai és algoritmikus kutatásokkal (approximáció elmélet, sztochasztikus folyamatok, gépi tanulás…stb.),
  • az MI rendszerek integrációja SE és HW technológiák, info-kommunikációs, rendszerek és adatbiztonság segítségével,
  • MI alkalmazásfejlesztés az ipar és gazdaság széles területein.

A Műegyetem számos kormányzati, EU-s  MI témájú projekteket nyert, valamint kiválósági programokban vesz részt. Kétszer nyerte el a Felsőoktatási Intézményi Kiválósági Programot, ahol a projekt egyik pillére a Mesterséges Intelligencia kutatása. Jelen évben a TKP2020 Intézményi Kiválóság Alprogramjában kapott finanszírozást az MI. A Felsőoktatási Ipari Egyetemi Központ, illetve a Kompetencia Központ pályázat megvalósításának is egyik sarokköve az IoT adatgyűjtéshez kapcsolódó MI alkalmazások.

Ugyanakkor az Egyetem számos multinacionális vállalattal (Nokia, Ericsson, Vodafone, Morgan Stanley, MOL, Knorr-Bremse, Bosch, Siemens, Continental) közösen folytat MI kutatásokat, hajt végre ipari projekteket, illetve  elégít ki KFI megrendeléseket,a kommunikációs technológiák, ipar 4.0, állapotfüggő karbantartás, pénzügyi szolgáltatások, információs technológiák és energetika területén.

A BME jelenlegi kutatásai az MI területén

 A jelenlegi egyetemi kutatások irányai a következő területekre fókuszálnak:

  • hatékony előrejelzési algoritmusok neurális hálókkal az algoritmikus kereskedésre és portfólió optimalizálásra használva,
  • statisztikus erőforrásmendzsment neurális hálókkal és nagy eltérések elméletével,
  • outlier detekció és ipari hibajelzés kopulamódszerekkel,
  • masszív objektumdetektálás CNN hálókkal,
  • természetes  nyelvfeldolgozás és kognitív intelligencia mély tanulás segítségével,
  • Mesterséges Intelligencia az önvezető járművekben és a közlekedés optimalizálásában,
  • optimális felhő alapú tárolás és file integritás MI-vel,
  • a megerősítéses tanulás kutatása és alkalmazásai,
  • az MI biztonsági kérdései: modellinverzióra robusztus algoritmusok tervezése, érzékeny adatok szivárgásának algoritmikus védelem, IoT hálózatbiztonság.

Futó MI projektek

  • European AI On-Demand Platform (www.ai4eu.eu, 2018-2021 – 20M EUR est. project cost): AI4EU egy EU által finanszírozott program az MI ökoszisztéma megteremtésére
  • Safety solution for people with Aphasia (APH-ALARM – aal-2019-6-131-CP, www.aph-alarm-project.com, project cost):  idősek számára MI-vel támogaott riasztási rendszer fejlesztése
  • ECSEL Productive Intelligence: a digitális transzfrmáció felgyorsítása
  • The European Sector Skills Alliences, DIGITALEUROPE: 
    SW készségek fejlesztése
  • ECSEL MANTIS  Cyber Physical System based Proactive Collaborative Maintenance: Elosztott és kollaboratv érzékelés.
  • COALA-Phonetics Psychological Status Monitoring by Computerised Analysis of Language phenomena EUROPEAN SPACE AGENCY_No.4000108003/13A/ KLM
  • URBMOBI:  Környezeti monitorozás a közösségi közlekedésben.
  • SOLSUN: Okos város vezérlési feladatatai és optimaizálása.
  • HU-MATHS-IN: Matmetikai eredmények az ipari nnováció szolgálatában.
  • NOKIA-Bell Labs: Erőforrás menedzsment és prediktív karbantartás telekommunikációs hálózatokban.
  • MELLODDY gépi tanulás a gyógyszerfejlesztés érdekében
  • SECREDAS consortium  referencia architektúra fejlesztés  biztonságos architektúra fejlesztés érdekében  
  • CLAWAR Project  mobil robot fejlesztés.

 

 

Researchers

Ács Gergely

Kutató
Tovább

Ekler Péter

Kutató
Tovább

Gyires-Tóth Bálint 

Kutató
Tovább

Levendovszky János

Kutató
Tovább

Horváth Gábor

Kutató
Tovább

Molontay Roland

Kutató
Tovább

Joó Attila László

Kutató
Tovább

Cinkler Tibor

Kutató
Tovább

Clement Adrienne

Kutató
Tovább

Krámer Tamás

Kutató
Tovább

Szemenyei Márton

Kutató
Tovább

Nagy Zsombor Kristóf

Kutató
Tovább

Németh István

Kutató
Tovább

Antal Péter

Kutató
Tovább

Publikációk

Fully neural object detection solutions for robot soccer

Márton Szemenyei
Vladimir Estivill-Castro
Tovább
Tovább

Traits versus Grades : The predictive power of psychological factors and pre-enrollment achievement measures on academic performance.

Séllei Beatrix
Stumphauser Nóra
Roland Molontay
Tovább
Tovább

Comprehensive analysis of the predictive validity of the university entrance score in Hungary

Nagy Marcell
Roland Molontay
Tovább
Tovább

Pagination

  • 1
  • 2
  • 3
  • › Next page
  • » Last page
Címlap

LinkedIn

Become a partner

Subscribe to newsletter

Send partnership request

Explore

  • News
  • Events
  • Tenders
  • Publications
  • Downloads
  • Partners

Kutatási területek

  • Az MI alapjai
  • Biztonság és személyes adatok védelme
  • Gépi látás és érzékelés
  • Gépi tanuláson alapuló intelligens gyártás, logisztika, távközés IoT megoldások fejlesztése
  • Nyelvtechnológia fejlesztése
  • Orvosi, egészségügyi alkalmazások

Contact us

Hungary, H-1111 Budapest,
Kende u. 13-17.
+36 1 279 6000
@email

© 2020-2021 Artifical Intelligence National Laboratory, Budapest