Gyires-Tóth Bálint 2007 óta foglalkozik elméleti és alkalmazott gépi tanulással, 2014 óta a deep learning (mélytanulás) az elsődleges kutatási területe. A mélytanulás témakörben elsősorban a hatékony reprezentáció tanulás lehetőségeit és módszereit vizsgálja autoenkóderek, seq2seq modellek, generatív versengő hálózatok, továbbá feladatmegoldás alapú önfelügyelt és mély megerősítéses tanulás segítségével. Az elméleti eredmények gyakorlati alkalmazására nagy hangsúlyt fektet szekvenciális adatmodellezés, anomália detekció, folyamat optimalizáció és gépi látás témakörökben. 2017 óta felkérés alapján az Nvidia Deep Learning Institute (DLI) minősített oktatója és egyetemi nagykövete.

Eddigi projektek: csak projekt címek (mögötte, hogy ki volt a finanszírozó pl. EU, NKFIH, vagy vállalat neve):

  • 2005-2012 Industrial application of ambient intelligent system, Hungarian-German cooperation, BelAmi NAP-2005 project, NKFIH
  • 2005-2007 BESZTEL project: Introducing speech synthesis in mobile phones for vision impaired users (GVOP-3.1.1.-2004-05-0485/3.0), NKFIH
  • 2009-2011 ETOCOM (TÁMOP-4.2.2/08/1/KMR-2008-0007): Synthetic speech enhancement in infocommunication systems
  • 2011-2013 CESAR (CEntral and South EuropeAn Resources, CIP ICT-PSP-2010-4 no. 271022), speech and language resource standardization and enhancement, EU
  • 2012-2014 Personal Assistant to Enhance the Social Life of the Seniors (PAELIFE), Research on speech synthesizers for elderly people (B-AAL-08-1-2011-0063870), AAL EU
  • VUK (AAL-2014-1-183): The goal of the Visionless sUpporting frameworK (VUK) is to ease daily life for blind and visually impaired people in challenging tasks like participating in urban mobility, providing a simple, effective and affordable door to door navigation and mobility assistance solution, AAL EU
  • 2016-2019 EUREKA / DANSPLAT: A platform for the applications of speech technologies on smartphones for the languages of the Danube region
  • EFOP-3.6.2-16-2017-00013: Modeling weakly coherent multi-dimensional time series with deep learning, subproject leader, NKFIH
  • Felsőoktatási Intézményi Kiválósági Program (FIKP): Adaptive systems and intelligent interactions, subproject leader, NKFIH
  • Bolyai János Kutatási Ösztöndíj, 2019-2021, Több-skálás szekvenciális adatstruktúrák modellezése mély tanulással, MTA
  • Új Nemzeti Kiválósági Program, Bolyai+ Felsőoktatási Fiatal Oktatói, Kutatói Ösztöndíj, 2019-2021, NKFIH
  • “Professional Intelligence for Automotive” (PIA), Continental Deep Machine Learning Competence Center
  • The European Sector Skills Alliences, 2020-2023, EU