CCL

Összesen 11 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM050618
Első szerző:Baran Sándor (matematikus, informatikus)
Cím:Probabilistic wind speed forecasting using Bayesian model averaging with truncated normal components / Sándor Baran
Dátum:2014
ISSN:0167-9473
Tárgyszavak:Természettudományok Matematika- és számítástudományok idegen nyelvű folyóiratközlemény külföldi lapban
Tárgyak Internete (IoT)
Megjelenés:Computational Statistics & Data Analysis. - 75 (2014), p. 227-238. -
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Időjárás mérő és előrejelző hálózat fejlesztése
NK101680
OTKA
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM047701
Első szerző:Garzó András (programtervező informatikus)
Cím:Real-time streaming mobility analytics / András Garzó, István Petrás, Csaba István Sidló, András A. Benczúr
Dátum:2013
Megjegyzések:In our research we tested distributed streaming algorithms and infrastructures to process large scale mobility data for fast reaction timeprediction. We use the D4D Challenge data set as a source to generate, by multiplying with noise, even larger realistic data sets.Instead of addressing the problem of identifying the exact location and movement of an individual user (that the data set is not sufficientlydetailed for), we learn global patterns both on the user level (home, work location, daily routes) and the traffic (typical routes at time of the day).As a key performance indicator of our applications, we measure the running time and the error of predictions in short range (5 minutes to 1 hour) and long range (daily, weekly) of the location of an individual user and the density in a given area. Over a cluster of a few old dual core servers, we are capable of processing tens of thousands of record in a second. Our results open the possibility for efficient real time mobility predictions of even large metropolitan areas as well.We demonstrate our solution via a fast reaction visual dashboard applicationthat can form the base of emergency or rescue services as well as provide grounds for ride sharing, traffic planning and optimization, thus saving natural resources.
Tárgyszavak:Természettudományok Matematika- és számítástudományok konferenciacikk
Mobility
Big Data
Data Mining
Visualization
Distributed Algorithms
Streaming Data
Intelligens város közösségi alkotásból
Megjelenés:Mobile Phone Data for Developement - Analysis of mobile phone datasets for the development of Ivory Coast. - p. 467-480
További szerzők:Petrás István (1973-) (programtervező informatikus) Sidló Csaba (1978-) (programtervező informatikus) Benczúr A. András (1969-) (informatikus)
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Adat menedzsment és tudásfeltárás intelligens város alkalmazásokhoz
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Szerző által megadott URL
Borító:

3.

001-es BibID:BIBFORM122546
035-os BibID:(Scopus)85197692607 (WoS)001263483100002
Első szerző:Harangi Balázs (programtervező matematikus)
Cím:Pixel-wise segmentation of cells in digitized Pap smear images / Harangi Balázs, Bogacsovics Gergő, Tóth János, Kovács Ilona, Dani Erzsébet, Hajdu András
Dátum:2024
ISSN:2052-4463
Megjegyzések:A simple and cheap way to recognize cervical cancer is using light microscopic analysis of Pap smear images. Training artificial intelligence-based systems becomes possible in this domain, e.g., to follow the European recommendation to screen negative smears to reduce false negative cases. The first step for such a process is segmenting the cells. A large and manually segmented dataset is required for this task, which can be used to train deep learning-based solutions. We describe a corresponding dataset with accurate manual segmentations for the enclosed cells. Altogether, the APACS23 (Annotated PAp smear images for Cell Segmentation 2023) dataset contains about 37 000 manually segmented cells and is separated into dedicated training and test parts, which could be used for an official benchmark of scientific investigations or a grand challenge.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
pap smear
cell segmentation
dataset
benchmark
cervical cancer
cancer screening
Megjelenés:Scientific Data. - 11 : 1 (2024), p. 1-8. -
További szerzők:Bogacsovics Gergő (1996-) (informatikus) Tóth János (1984-) (programtervező matematikus) Kovács Ilona (1965-) (patológus) Bujdosóné Dani Erzsébet (1968-) (informatikus-könyvtáros) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:ÚNKP-23-3-II-DE-119
Egyéb
TKP2021-NKTA-34
Egyéb
GINOP-2.2.1-18- 2018-00012
GINOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM080261
Első szerző:Jreissat, Elias Radi
Cím:Cloud Computing Regulations and Readiness : Comparison Study (United Kingdom, Germany and Hungary) / Elias R. Jreissat
Dátum:2020
ISSN:2193-1127
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:EPJ Data Science. - [Epub ahead of print] (2020), p. 1-14. -
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM124106
035-os BibID:(WOS)000974683800001
Első szerző:Kocsis Gergely (programtervező matematikus)
Cím:gtfs2net: Extraction of General Transit Feed Specification Data Sets to Abstract Networks and Their Analysis / Kocsis Gergely, Varga Imre
Dátum:2025
ISSN:2167-6461 2167-647X
Megjegyzések:Mass transportation networks of cities or regions are interesting and important to be studied to get a picture of the properties of a somehow better topology and system of transportation. One way to do this lies on the basis of spatial information of stations and routes. As we show however interesting findings can be gained also if one studies the abstract network topologies of these systems. To get these abstract types of networks, we have developed a tool that can extract a network of connected stops from General Transit Feed Specification feeds. As we found during the development, service providers do not follow the specification in coherent ways, so as a kind of postprocessing we have introduced virtual stations to the abstract networks that gather close stops together. We analyze the effect of these new stations on the abstract map as well.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
GTFS data
public transport
networks
data extraction
smart city
Megjelenés:Big Data. - 13 : 1 (2025), p. 30-41. -
További szerzők:Varga Imre (1979-) (fizikus, informatikus)
Pályázati támogatás:TKP2021-NKTA-34
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM122570
035-os BibID:(Scopus)85197716196 (WoS)001264885100003
Első szerző:Kupás Dávid (programtervező informatikus)
Cím:Annotated Pap cell images and smear slices for cell classification / David Kupas, Andras Hajdu, Ilona Kovacs, Zoltan Hargitai, Zita Szombathy, Balazs Harangi
Dátum:2024
ISSN:2052-4463
Megjegyzések:Machine learning-based systems have become instrumental in augmenting global efforts to combat cervical cancer. A burgeoning area of research focuses on leveraging artificial intelligence to enhance the cervical screening process, primarily through the exhaustive examination of Pap smears, traditionally reliant on the meticulous and labor-intensive analysis conducted by specialized experts. Despite the existence of some comprehensive and readily accessible datasets, the field is presently constrained by the limited volume of publicly available images and smears. as a remedy, our work unveils aPaCC (Annotated PAp cell images and smear slices for Cell Classification), a comprehensive dataset designed to bridge this gap. the aPaCC dataset features a remarkable array of images crucial for advancing research in this field. It comprises 103,675 annotated cell images, carefully extracted from 107 whole smears, which are further divided into 21,371 sub-regions for a more refined analysis. This dataset includes a vast number of cell images from conventional Pap smears and their specific locations on each smear, offering a valuable resource for in-depth investigation and study.
Tárgyszavak:idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Female
Humans
Machine Learning
Papanicolaou Test
Uterine Cervical Neoplasms
Vaginal Smears
Megjelenés:Scientific Data. - 11 : 1 (2024), p. 1-8. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Kovács Ilona (1965-) (patológus) Hargitai Zoltán Szombathy Zita Harangi Balázs (1986-) (programtervező matematikus)
Pályázati támogatás:GINOP-2.2.21-18-2018-00012
GINOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Szerző által megadott URL 856 41
DOI
Borító:

7.

001-es BibID:BIBFORM118867
035-os BibID:(Scopus)85188777962 (WoS)001191621900001
Első szerző:Lakatos Róbert (informatikus)
Cím:A Machine Learning-Based Pipeline for the Extraction of Insights from Customer Reviews / Róbert Lakatos, Gergő Bogacsovics, Balázs Harangi, István Lakatos, Attila Tiba, János Tóth, Marianna Szabó, András Hajdu
Dátum:2024
ISSN:2504-2289
Megjegyzések:The efficiency of natural language processing has improved dramatically with the advent of machine learning models, particularly neural network-based solutions. However, some tasks are still challenging, especially when considering specific domains. This paper presents a model that can extract insights from customer reviews using machine learning methods integrated into a pipeline. For topic modeling, our composite model uses transformer-based neural networks designed for natural language processing, vector-embedding-based keyword extraction, and clustering. The elements of our model have been integrated and tailored to better meet the requirements of efficient information extraction and topic modeling of the extracted information for opinion mining. Our approach was validated and compared with other state-of-the-art methods using publicly available benchmark datasets. The results show that our system performs better than existing topic modeling and keyword extraction methods in this task.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
machine learning
deep learning
topic modeling
keyphrase extraction
natural language processing
Megjelenés:Big Data and Cognitive Computing. - 8 : 3 (2024), p. 1-24. -
További szerzők:Bogacsovics Gergő (1996-) (informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Szabó Marianna (1995-) (programtervező informatikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:GINOP-2.3.2-15-2016-00005
GINOP
TKP2021-NKTA-34
Egyéb
2020-1.1.2-PIACI-KFI-2021-00223
Egyéb
KDP-2021 C1774095
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM090850
035-os BibID:(WoS)000603258100006 (Scopus)85098259626
Első szerző:Sütő József (programtervező informatikus)
Cím:Plant leaf recognition with shallow and deep learning : a comprehensive study / Jozsef Suto
Dátum:2020
ISSN:1088-467X
Megjegyzések:Nowadays there are hundreds of thousands known plant species on the Earth and many are still unknown yet. The process of plant classification can be performed using different ways but the most popular approach is based on plant leaf characteristics. Most types of plants have unique leaf characteristics such as shape, color, and texture. Since machine learning and vision considerably developed in the past decade, automatic plant species (or leaf) recognition has become possible. Recently, the automated leaf classification is a standalone research area inside machine learning and several shallow and deep methods were proposed to recognize leaf types. From 2007 to present days several research papers have been published in this topic. In older studies the classifier was a shallow method while in current works many researchers applied deep networks for classification. During the overview of plant leaf classification literature, we found an interesting deficiency (lack of hyper-parameter search) and a key difference between studies (different test sets). This work gives an overall review about the efficiency of shallow and deep methods under different test conditions. It can be a basis to further research
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Intelligent Data Analysis. - 24 : 6 (2020), p. 1311-1328. -
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
20428-3/2018/FEKUTSTRAT
egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM115801
035-os BibID:(WoS)001092471800001 (Scopus)85175241874
Első szerző:Szutor Péter (mérnökinformatikus)
Cím:Fast Radius Outlier Filter Variant for Large Point Clouds / Péter Szutor, Marianna Zichar
Dátum:2023
ISSN:2306-5729
Megjegyzések:Currently, several devices (such as laser scanners, Kinect, time of flight cameras, medical imaging equipment (CT, MRI, intraoral scanners)), and technologies (e.g., photogrammetry) are capable of generating 3D point clouds. Each point cloud type has its unique structure or characteristics, but they have a common point: they may be loaded with errors. Before further data processing, these unwanted portions of the data must be removed with filtering and outlier detection. There are several algorithms for detecting outliers, but their performances decrease when the size of the point cloud increases. The industry has a high demand for efficient algorithms to deal with large point clouds. The most commonly used algorithm is the radius outlier filter (ROL or ROR), which has several improvements (e.g., statistical outlier removal, SOR). Unfortunately, this algorithm is also limited since it is slow on a large number of points. This paper introduces a novel algorithm, based on the idea of the ROL filter, that finds outliers in huge point clouds while its time complexity is not exponential. As a result of the linear complexity, the algorithm can handle extra large point clouds, and the effectiveness of this is demonstrated in several tests.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
radius outlier filter
point cloud
LiDAR
noise filtering
Megjelenés:Data. - 8 : 10 (2023), p. 1-13. -
További szerzők:Bodroginé Zichar Marianna (1971-) (informatikus, matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

10.

001-es BibID:BIBFORM129522
035-os BibID:(Scopus)105003861286
Első szerző:Talbi, Djamila (mérnök informatikus)
Cím:Analysis of High-Speed Radio Communication in THz Bands : Topological Impacts and Signal Decomposition Using Empirical Mode Decomposition and Marginal Hilbert Spectrum / Talbi D., Gal Z.
Dátum:2025
Megjegyzések:This study explores a high-speed communication medium access control (MAC) protocol designed for the THz band, simulating 42 cases to evaluate performance. To analyze the received power from the Access Point, at the Mobile Terminal level, we utilized Empirical Mode Decomposition and Marginal Hilbert Spectrum (MHS) due to their proven effectiveness in decomposing nonlinear signals and their successful applications across various fields. We applied four statistical methods (mean, interquartile range variance, and skewness) to analyze the MHS, revealing distinct clustering behaviors in different topologies. The results indicate that the centered topology demonstrated higher signal consistency and clustering, while the uniform topology exhibited greater variability and dispersion. It also highlights the pivotal role of topology, with centered configurations outperforming uniform ones by 17 dB in signal variance.
ISBN:9783031877841
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
6G
Empirical Mode Decomposition
Marginal Hilbert Spectrum
THz MAC protocoll
Adaptive Directional Antenna Protocol for Terahertz communication
Megjelenés:Lecture Notes on Data Engineering and Communications Technologies. - 252 (2025), p. 59-71. -
További szerzők:Gál Zoltán (1966-) (informatikus, villamosmérnök)
Pályázati támogatás:TKP2021-NKTA-34
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

11.

001-es BibID:BIBFORM060406
035-os BibID:(WoS)000384428500005 (Scopus)84990212169
Első szerző:Vágner Anikó (informatikus)
Cím:The GridOPTICS clustering algorithm / Anikó Vágner
Dátum:2016
ISSN:1088-467X 1571-4128
Megjegyzések:The OPTICS algorithm is a hierarchical density-based clustering method. It creates reachability plots to identify all clusters in the point set. Nevertheless, it has limitation, namely it is very slow for large data sets. We introduce the GridOPTICS algorithm, which builds a grid structure to reduce the number of data points, then it applies the OPTICS clustering algorithm on the grid structure. In order to get the clusters, the algorithm uses the reachability plots of the grid structure, then it determines to which cluster the original input points belong. The experimental results show that our new algorithm is faster than the OPTICS, the speed-up can be one or two orders of magnitude or more, which depends mainly on the (tau) parameter of the GridOPTICS algorithm. At the end of the article, we give some advice to which point set you can apply the GridOPTICS algorithm.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
clustering
large data set
optics
grid
Intelligens város közösségi alkotásból
Megjelenés:Intelligent Data Analysis. - 20 : 5 (2016), p. 1061-1084. -
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Adat menedzsment és tudásfeltárás intelligens város alkalmazásokhoz
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v10.11.18-SNAPSHOT © 2024 Monguz kft. Minden jog fenntartva.