Skip to main content
ENHU
Címlap

Main navigation

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

Szegedi Tudományegyetem

u-szeged.hu
Széchenyi Plusz RRF
Bemutatás

A Szegedi Tudományegyetem évek óta Magyarország egyik legjobb felsőoktatási intézménye a QS World University Rankings besorolása alapján. Az egyetemen zajló oktató és kutatómunka magas színvonala, az itt dolgozó kiváló professzoroknak és magasan képzett kutatóknak köszönhető. Az egyetem professzorai között tudhatta a Nobel-díjas Szent-Györgyi Albertet (1937), akinek nevéhez fűződik a C-vitamin felfedezése, melyet a szegedi paprikából izolált elsőként a világon.

Az egyetem hallgatóinak száma 21000 fő, melyből a külföldi diákok száma 4000 fő (a világ 115 országából). A mesterséges intelligenciával kapcsolatos kutatások három fő kutatóegységben zajlanak: Szoftverfejlesztés Tanszék, Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék és Mesterséges Intelligencia Kutatócsoport.

A minőségi oktatáson kívül az említett három egység kutatói nemzetközi szintű kutatómunkát is végeznek a mesterséges intelligencia (MI) különböző területein, mint például beszédtechnológia, természetesnyelv-feldolgozás (NLP), szoftverfejlesztés, szoftverbiztonság, mélytanulás, önszerveződő rendszerek, valamint a gépi tanulás elmélete és módszertana. Az alkalmazási területek több egészségügyi területet is érintenek, ahol a legkorszerűbb NLP és mélytanulás alapú képfeldolgozási technológiák kerülnek alkalmazásra. Az SZTE-n aktív kutatások folynak a deep learning algoritmusok elemzése, valamint a gépi tanulási algoritmusok ellenséges példákkal szembeni robusztusságának vizsgálata terén. A korszerű technológiák fejlesztése terén szerzett tapasztalatok nagy értéket képviselnek az ipari szereplők számára. Az SZTE kiegyensúlyozott kapcsolatokat ápol hazai és nemzetközi ipari partnerekkel. Ezekben a közös projektekben korszerű MI technológiák fejlesztése és alkalmazása történik változatos problémák megoldása érdekében.

Kiemelt projektek

EMUSE – Cheese microbial Ecosystems MUltiScale ModElling: mechanistic and data driven approaches integration, 2021-2024, Marie Curie Innovative Training Network

Az EMUSE program célja fiatal kutatók képzése a mesterséges intelligencia és az élettudományok határterületén. A projekt egyik kihívása egy tudományterületeket összekötő közös nyelv megalkotása, mely hidat képez az élettudományok kérdései és a hagyományos modellezési eljárások között. Az EMUSE hálózat kutatási célja olyan innovatív modellezési technológiák megalkotása, melyek segítségével egyrészt jobban megérthetjük az összetett mikrobiológiai ökoszisztémák működését, másrészt befolyásolni és/vagy előrejelezni tudjuk azok evolúcióját. A biológiai rendszerek komplexitásának kezelése érdekében biológusok, matematikusok és informatikusok közösen dolgoznak innovatív eljárások kidolgozásán. Az EMUSE projektben képzett fiatal kutatók, a hálózat akadémiai és ipari partnereitől megszerzett tudást és tapasztalatot később akadémiai és ipari vezető pozíciókban tudják majd kamatoztatni. Képzésük során a mikrobiológiai közösségek szerkezetének és dinamikájának jellemzésére a legmodernebb modellezési eljárásokat fogják alkalmazni, melyek segítségével kulcsfontosságú folyamatokat és biomarkereket azonosítanak célzott alkalmazási területekhez.

ProsperAMnet - Progressing Service Performance and Export Results of Advanced Manufacturers Network, 2019-2022, Interreg CE

Számos közép-európai intelligens szakosodási stratégia felismerte a fejlett gyártási technológiák erősítésének szükségességét. Különösen a kis- és közepes méretű cégek vannak versenyképességük megtartása érdekében jelentős nyomás alatt. Egy lehetséges kiút további szolgáltatások ajánlása lenne, ami jelentős szerkezeti átalakításokat követelne meg, különösen a szolgáltatásokat exportáló vállalkozások részéről. A ProsperAMnet projekt a “know-how” felkínálása mellett, egy transznacionális hálózatot hoz létre a helyi tapasztalatok begyűjtése érdekében. A projekt innovatív eszközöket és eljárásokat fejleszt az előrehaladott technológiákat alkalmazó gyártók támogatására, valamint segít azok kapacitásának növelésében. Mindezeken felül a partnerek stratégiai akcióterveket és ajánlásokat dolgoznak ki a jövőre való tekintettel.

SASMob - Smart Alliance for Sustainable Mobility, 2018 - 2021, Urban Innovative Action

A SASMob projekt célja olyan innovatív városi közlekedésszervezési megoldások kidolgozása, amelynek főbb pillérei:

  • a szegedi Önkormányzat és a jelentősebb helyi foglalkoztatók között szerződéses kapcsolaton alapuló ígérvény (SASMob PLEDGE) kidolgozása, amely hatékony intézkedési eszközöket tesz lehetővé az alkalmazottak fenntartható munkába járásának megoldására
  • innovatív és támogató üzleti környezeti feltételek kidolgozása
  • intelligens adatvezérelt, gyors reagálású rendszer kidolgozása (SASMob Response), amely magas színvonalú közlekedési szolgáltatásokat és a felhasználók számára jobb informáltságot tesz lehetővé.

REPARA - Reengineering and Enabling Performance And poweR of Applications, 2013 - 2016, FP7 Collaborative project

Az egyre növekvő számítási igények kielégítése érdekében eltolódás figyelhető meg a tradícionális, jellemzően szekvenciálisan működő számítógépek használatától (melyek egyetlen gyors számítást végző egységre támaszkodtak, nevezetesen a CPU-ra), a heterogén architektúrák használatának irányába, melyek a különböző típusú számítási feladatok ellátására specifikus egységeket alkalmaznak (mint például CPU, GPU, DSP). A számítások ugyan párhuzamosított módon történnek, de az erőforrások teljesítmény és energiafogyasztás szempontjából történő kihasználása messze van az optimálistól. A REPARA projektben szoftverfejlesztési módszertanhoz, fejlesztői eszközökhöz, számítógép hardware tervezéshez és analízishez értő szakemberek dolgoznak ipari felhasználókkal karöltve egy heterogén számítógépekhez fejlesztett egyesített programozási modell, valamint az ehhez szükséges automatizált szoftvertámogatási eszközök megalkotásán. A REPARA célja, hogy az összehasonlítási alapként szolgáló, általános célú processzoron használt szekvenciális algoritmushoz képest, legalább 50%-os csökkenést érjen el energiafogyasztás terén, a teljesítmény legalább kétszeres növekedése mellett.

SETIT - Security Enhancing Technologies for the Internet of Things, 2018 - 2022, 2018-1.2.1-NKP

A SETIT projekt célja olyan technológiák kutatása és fejlesztése, melyek az IoT rendszerek biztonsági kockázatait csökkentik. Ennek érdekében biztonságnövelést szolgáló technológiák (mechanizmusok, eszközök és módszerek) fejlesztésén dolgozunk, melyek 3 fő kutatási területre bonthatók. A projekt “IoT rendszerekben használt beágyazott eszközök alkalmazás szintű biztonsága” részében programanalízis módszerek alkalmazásával, szoftveres sérülékenységek detektálásával foglalkozunk. Ez magában foglalja a sérülékenységek azonosítását magukban az alkalmazásokban, valamint az alkalmazások által használt, általában harmadik fél által fejlesztett programkönyvtárakban is. A projekt “IoT rendszerekben használt beágyazott eszközök platform szintű biztonsága” részében biztonságos boot folyamat kialakításával, az operációs rendszer megerősítésével, valamint az eszközön futó alkalmazás integritásának folyamatos monitorozásával foglalkozunk. Fejlesztéseket végzünk a biztonságos távoli szoftverfrissítés, valamint biztonságos adattárolás és kommunikáció megvalósítása érdekében. A platform biztonságon túl az IoT eszközök és rendszerek biztonsági tesztelési módszertanának kifejlesztésével és alkalmazásával (azaz egy speciális, IoT fókuszú, etikus hacker eszköztár kialakításával) is foglalkozunk. A projekt harmadik része “Az 1. és 2. területet támogató algebrai háttér és kriptográfiai algoritmusok” megteremtésével foglalkozik. Ebben a részben a jellemzően kis számítási kapacitással rendelkező IoT rendszerekhez tervezünk kriptográfiai algoritmusokat és protokollokat, mely során célunk az alkalmazott kriptográfiai eszközök algebrai tulajdonságainak pontosabb megértése is.

Researchers

Berend Gábor

Kutató
Tovább

Farkas Richárd

Kutató
Tovább

Ferenc Rudolf

Kutató
Tovább

Gosztolya Gábor

Kutató
Tovább

Jelasity Márk

kutatásvezető
Tovább

Tóth László

Kutató
Tovább

Turán György

Kutató
Tovább

Vidács László

Kutató
Tovább

Gyimóthy Tibor

intézményvezető
Tovább

Bilicki Vilmos

Kutató
Tovább

Hegedűs Péter

Kutató
Tovább

Publikációk

Fooling a Complete Neural Network Verifier

Dániel Zombori
Balázs Bánhelyi
Tibor Csendes
István Megyeri
Márk Jelasity
Tovább
Tovább

Identifying Conflict Escalation and Primates by Using Ensemble X-Vectors and Fisher Vector Features

José Vicente Egas-López
Mercedes Vetráb
László Tóth
Gábor Gosztolya
Tovább
Tovább

Towards a Prototype Based Explainable JavaScript Vulnerability Prediction Model

Balázs Mosolygó
Norbert Vándor
Gábor Antal
Péter Hegedűs
Rudolf Ferenc
Tovább
Tovább

Pagination

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • › 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