Diplomamunka témák

Részek: A. A tudomány jelenlegi állásának feltérképezése: szakirodalom kutatás a diplomaterv alkalmazási területét illetően, továbbá a releváns AI/ML/DL/LLM (amelyik területet érinti a diplomamunka) módszertannal kapcsolatban. B. Adekvát AI architektúra felépítése, implementálása és tesztelése. Leírás: Szabadon választott AI/ML/DL/LLM architektúra fejlesztése, lehetőség szerint, de nem kizárólgaosan interdiszciplináris (kognitív pszichológia, élettan, egészségügy, biológia, mechatronikai, stb) területen. Python és alapvető AI/ML/DL/LLM ismeretek szükségesek.

Mérőkörnyezet fejlesztése DC mikromotor karakterisztikájának automatizált meghatározásához. A mérés során szabályozni kell a motor kapocsfeszültségét és a fékezőnyomatékot, mérni kell a motoron átfolyó áramot, a fordulatszámot és a terhelőnyomatékot.

A vizuális elektrofiziológia során felvett agyi jelek analízisében az idő- és frekvenciatartomány egyaránt informatív. Jelen feladat során a kettőt együttesen analizáló waveletek alkalmazását vizsgáljuk speciális jeltípusok esetén célként kitűzve az egészséges és egyes betegségekben felvett jelek elkülönítését.

Részek: A. A tudomány jelenlegi állásának feltérképezése: szakirodalom kutatás az emberi színlátás és a releváns deep learning módszertan területén. B. Adekvát neurális hálózat tervezése és implementálása színidentifikációs és/vagy színdiszkriminációs szimuláció céljából. Leírás: Interdiszciplináris (kognitív pszichológia, fiziológia, deep learning) tanszéki kutatási projekt lehetséges TDK/PhD folytatással. Az emberi színlátás alapjainak ismerete, továbbá python és alapvető deep learning ismeretek szükségesek.

Részek: A. A tudomány jelenlegi állásának feltérképezése: szakirodalom kutatás az emberi színlátás és a releváns deep learning módszertan területén. B. Adekvát neurális hálózat tervezése és implementálása kromatikus szűrők tervezésének céljából. Leírás: Interdiszciplináris (kognitív pszichológia, fiziológia, deep learning) tanszéki kutatási projekt lehetséges TDK/PhD folytatással. Az emberi színlátás alapjainak ismerete, továbbá python és alapvető deep learning ismeretek szükségesek.

- Pontszerű fényforrás automatizált mozgatása kamerák előtt (vagy fordítva). - A fényforrás képén kívül eső fény mérése. - Modellalkotás és kompenzációs eljárás kidolgozása.

- Kamera pozícionálása 6-szabadságfokú robot segítségével. - Látható tartományban azonosítható markerek készítése. - Mérő és feldolgozó algoritmus kidolgozása a markerek azonosítására nagy intenzitású fényforrást tartalmazó képeken. - A kamera pozíciójának meghatározása a felismert markerek alapján, összevetés a robot koordinátákkal.

Adott felület fénysűrűsége függ a megfigyelő paramétereitől, ezért bonyolult egy világítási környezet leírása fénysűrűség értékekkel. A kutatás célja olyan módszerek vizsgálata, amelyek a megfigyelő pozíciójától függetlenül meg tudják adni egy felület fénysűrűség eloszlását. A projekt a szakirodalom megismerése mellett konkrét mérési eljárás kidolgozását foglalja magába.