Széchenyi Terv Plusz | Magyarország Kormánya. Az Európai Unió finanszírozásával. NextGeneration EU.

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

Tóth Roland

HUN-REN Számítástechnikai és Automatizálási Kutatóintézet

Tóth Roland 2008-ban cum laude végzett a hollandiai TUDelft DCSC-n, ahol egy évvel később posztdoktori kutatóként dolgozott. 2010-ben a UCLA kutatója volt. 2011 és 2012 között több tisztséget is viselt a TUDelft DCSC-n. Jelenleg az Eindhoven University of Technology (TU/e) docense és a SZTAKI EMI Rendszer és a SZTAKI Irányításelméleti Kutatólaboratóriumának szenior kutatója. Az IEEE Transactions on Control Systems Technology szerkesztője, valamint a lineáris paraméterekkel és változó rendszerekkel foglalkozó harmadik IFAC Workshop általános vezetője volt. Kutatási területei az LPV és non-lineáris rendszerek felismerése és vezérlése, a modellezéshez és irányításhoz fűződő stabilitási garanciák mentén fejlesztett új gépi tanulási eljárások kialakítása, a prediktív irányítás és a rendszerviselkedési elmélet. Gyakorlati oldalon a kutatása a precíziós mechatronika és LPV, illetve tanulásalapú mozgási irányítással üzemelő autonóm robotok, járművek megbízhatóságának ét teljesítményének fokozására koncentrál.

Dr. Tóth 2010-ben elnyerte a TUDelft Young Researcher Fellowship Awardot, 2011-ben a hollandiai VENI díjat, valamint a European Research Council 2016-os ösztöndíját. Csapatával több nemzetközi és magyarországi együttműködésből vette ki a részét.

  • Honlap
  • Linkedin
  • Google Scholar

Kiemelt publikációk

  1. Tóth, R.: Modeling and identification of linear parameter-varying systems. Lecture Notes in Control and Information Sciences, Vol. 403, Springer, Heidelberg, 2010.
  2. Laurain, V., R. Tóth, D. Piga, M.A.H. Darwish: Sparse RKHS estimation via globally convex optimization and its application in LPV-IO identification, Automatica, Vol. 115, (2020).
  3. Cox, P. B., and R. Tóth: Linear Parameter-Varying Subspace Identification: A Unified Framework. Automatica, In Print (2020).
  4. Formentin, S., D. Piga, R. Tóth, S. Savaresi: Direct learning of LPV controllers from data, Automatica, Vol. 65, (2016), pp. 98-110.
  5. Laurain, V., R. Tóth, D. Piga, W. X. Zheng: An Instrumental Least Squares Support Vector Machine for Nonlinear System Identification, Automatica, Vol. 54, (2015), pp 340-347.

Become a partner

Iratkozzon fel hírlevelünkre!

Legyen partnerünk!

Felfedezés

  • Hírek
  • Események
  • Publikációk
  • Letöltések
  • Partnerek

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

Kapcsolat

1111 Budapest,
Kende u. 13-17.

+36 1 279 6000

milab@sztaki.hun-ren.hu

© 2020-2021 Artifical Intelligence National Laboratory, Budapest