CCL

Összesen 47 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM095824
035-os BibID:(Scopus)85107901573
Első szerző:Aldabbas, Ashraf Khaled Abd Elkareem (informatikus)
Cím:Deep Learning-Based Method for Detecting Cassini-Huygens Spacecraft Trajectory Modifications / Ashraf ALDabbas, Zoltán Gál
Dátum:2021
ISSN:1613-0073
Megjegyzések:During the last 13.5 year motion cycle of the interplanetary research project, there were necessary flight path modifications of the Cassini spacecraft. In the order of signal travel time (approximatively 80 minutes) on the Earth-Cassini long sized channel, complex event detection of orbital modifications requires special investigation and analysis of the collected large trajectory dataset. This paper presents a sophisticated, in-depth learning approach for detecting Cassini spacecraft's trajectory modifications in postprocessing mode. The model uses neural networks with Long Short-Term Memory (LSTM) to extract useful data and learn the time series' inner data pattern, together with the penetrability of the LSTM layers distinguish dependencies between the long- and short-term phases.
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Megjelenés:Proceedings of the 1st Conference on Information Technology and Data Science / eds. István Fazekas, András Hajdu, Tibor Tómács. - p. 19-31. -
További szerzők:Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Szerző által megadott URL
Borító:

2.

001-es BibID:BIBFORM093074
035-os BibID:(Scopus)85101242423
Első szerző:Aldabbas, Ashraf Khaled Abd Elkareem (informatikus)
Cím:Cassini-Huygens mission images classification framework by deep learning advanced approach / Ashraf AlDabbas, Zoltan Gal
Dátum:2021
ISSN:2088-8708 2722-2578
Megjegyzések:Developing a deep learning (DL) model for image classification commonly demands a crucial architecture organization. Planetary expeditions produce a massive quantity of data and images. However, manually analyzing and classifying flight missions image databases with hundreds of thousands of images is ungainly and yield weak accuracy. In this paper, we speculate an essential topic related to the classification of remotely sensed images, in which the process of feature coding and extraction are decisive procedures. Diverse feature extraction techniques are intended to stimulate a discriminative image classifier. Features extraction is the primary engagement in raw data processing with the purpose of data classification; when it comes across the task of analysis of vast and varied data, these kinds of tasks are considered as time-consuming and hard to be treated with. Most of these classifiers are either, in principle, quite intricate or virtually unattainable to calculate for massive datasets. Stimulated by this perception, we put forward a straightforward, efficient classifier based on feature extraction by analyzing the cell of tensors via layered MapReduce framework beside meta-learning LSTM followed by a SoftMax classifier. Experiment results show that the provided model attains a classification accuracy of 96.7%, which makes the provided model quite valid for diverse image databases with varying sizes.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Deep learning
Machine learning
Meta-learning
Remote sensing datasets
Saturn images classification
Megjelenés:International Journal of Electrical and Computer Engineering. - 11 : 3 (2021), p. 2457-2466. -
További szerzők:Gál Zoltán (1966-) (informatikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM092439
035-os BibID:(WoS)000631194900001 (Scopus)85102656412
Első szerző:Aldabbas, Ashraf Khaled Abd Elkareem (informatikus)
Cím:Deep Learning-Based Approach for Detecting Trajectory Modifications of Cassini-Huygens Spacecraft / Ashraf Aldabbas, Zoltan Gal, Khawaja Moyeezullah Ghori, Muhammad Imran, Muhammad Shoaib
Dátum:2021
ISSN:2169-3536
Megjegyzések:There were necessary trajectory modifications of Cassini spacecraft during its last 14 years movement cycle of the interplanetary research project. In the scale 1.3 hour of signal propagation time and 1.4-billion-kilometer size of Earth-Cassini channel, complex event detection in the orbit modifications requires special investigation and analysis of the collected big data. The technologies for space exploration warrant a high standard of nuanced and detailed research. The Cassini mission has accumulated quite huge volumes of science records. This generated a curiosity derives mainly from a need to use machine learning to analyze deep space missions. For energy saving considerations, the communication between the Earth and Cassini was executed in non-periodic mode. This paper provides a sophisticated in-depth learning approach for detecting Cassini spacecraft trajectory modifications in post-processing mode. The proposed model utilizes the ability of Long Short Term Memory (LSTM) neural networks for drawing out useful data and learning the time series inner data pattern, along with the forcefulness of LSTM layers for distinguishing dependencies among the long-short term. Our research study exploited the statistical rates, Matthews correlation coefficient, and F1 score to evaluate our models. We carried out multiple tests and evaluated the provided approach against several advanced models. The preparatory analysis showed that exploiting the LSTM layer provides a notable boost in rising the detection process performance. The proposed model achieved a number of 232 trajectory modification detections with 99.98% accuracy among the last 13.35 years of the Cassini spacecraft life.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Cassini-Huygens interplanetary project
complex event
sensory data
big data
neural network
pattern processing
knowledge representation
Megjelenés:IEEE Access. - 9 (2021), p. 39111-39125. -
További szerzők:Gál Zoltán (1966-) (informatikus) Ghori, Khawaja Moyeezullah (1982-) (informatikus) Imran, Muhammad (1981-) (informatikus) Shoaib Muhammad (1971-) (mérnök, informatikus)
Pályázati támogatás:FIKP-20428-3/2018/FEKUTSTRAT
FIKP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM090755
035-os BibID:(cikkazonosító)815 (Scopus)85099862943 (WOS)000610903800001
Első szerző:Almusawi, Husam Abdulkareem (mérnök)
Cím:Design and Development of Continuous Passive Motion (CPM) for Fingers and Wrist Grounded-Exoskeleton Rehabilitation System / Husam Almusawi, Géza Husi
Dátum:2021
ISSN:2076-3417
Megjegyzések:Impairments of fingers, wrist, and hand forearm result in significant hand movement deficiencies and daily task performance. Most of the existing rehabilitation assistive robots mainly focus on either the wrist training or fingers, and they are limiting the natural motion; many mechanical parts associated with the patient's arms, heavy and expensive. This paper presented the design and development of a new, cost-efficient Finger and wrist rehabilitation mechatronics system (FWRMS) suitable for either hand right or left. The proposed machine aimed to present a solution to guide individuals with severe difficulties in their everyday routines for people suffering from a stroke or other motor diseases by actuating seven joints motions and providing them repeatable Continuous Passive Motion (CPM). FWRMS approach uses a combination of; grounded-exoskeleton structure to provide the desired displacement to the hand's four fingers flexion/extension (F/E) driven by an indirect feed drive mechanism by adopting a leading screw and nut transmission; and an end-effector structure to provide angular velocity to the wrist flexion/ extension (F/E), wrist radial/ulnar deviation (R/U), and forearm supination/pronation (S/P) driven by a rotational motion mechanism. We employed a single dual-sided actuator to power both mechanisms. Additionally, this article presents the implementation of a portable embedded controller. Moreover, this paper addressed preliminary experimental testing and evaluation process. The conducted test results of the FWRMS robot achieved the required design characteristics and executed the motion needed for the continuous passive motion rehabilitation and provide stable trajectories guidance by following the natural range of motion (ROM) and a functional workspace of the targeted joints comfortably for all trainable movements by FWRMS.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
hand recovery
rehabilitation robotics
stroke
indirect drive system
grounded-exoskeleton
continuous passive motion (CPM)
wrist rehabilitation
assistive technologies
Megjelenés:Applied Sciences-Basel. - 11 : 2 (2021), p. 1-23. -
További szerzők:Husi Géza (1962-) (gépészmérnök, mechatronikai mérnök, számítógépes tervezőmérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM094813
035-os BibID:(Scopus)85107399430
Első szerző:Al-Zaidi, Mustafa Majid Hayder (informatikus)
Cím:Trip planning algorithm for gtfs data with nosql structure to improve the performance / Mustafa Alzaidi, Anikó Vágner
Dátum:2021
ISSN:1992-8645 1817-3195
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Journal of Theoretical and Applied Information Technology. - 99 : 10 (2021), p. 2290-2300. -
További szerzők:Vágner Anikó (1978-) (informatikus)
Pályázati támogatás:EFOP-3.6.1-16-2016-00022
EFOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM104408
035-os BibID:(Scopus)85109881009
Első szerző:Bagossy Attila (informatikus)
Cím:Transition Graphs of Reversible Reaction Systems / Attila Bagossy, György Vaszil
Dátum:2021
ISBN:978-3-030-77101-0
Tárgyszavak:Természettudományok Matematika- és számítástudományok könyvfejezet
könyvrészlet
Megjelenés:Membrane Computing, 21st International Conference, CMC 2020, Virtual Event, September 14-18, 2020, Revised Selected Papers / eds. Rudolf Freund, Tseren-Onolt Ishdorj, Grzegorz Rozenberg, Arto Salomaa, Claudio Zandron. - p. 1-16. -
További szerzők:Vaszil György (1968-) (matematikus)
Pályázati támogatás:K 120558
OTKA
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM087360
035-os BibID:(WoS)000545899300003 (Scopus)85087622962
Első szerző:Baran Ágnes (matematikus)
Cím:Machine learning for total cloud cover prediction / Ágnes Baran, Sebastian Lerch, Mehrez El Ayari, Sándor Baran
Dátum:2021
ISSN:0941-0643 1433-3058
Megjegyzések:Accurate and reliable forecasting of total cloud cover (TCC) is vital for many areas such as astronomy, energy demand and production, or agriculture. Most meteorological centres issue ensemble forecasts of TCC; however, these forecasts are often uncalibrated and exhibit worse forecast skill than ensemble forecasts of other weather variables. Hence, some form of post-processing is strongly required to improve predictive performance. As TCC observations are usually reported on a discrete scale taking just nine different values called oktas, statistical calibration of TCC ensemble forecasts can be considered a classification problem with outputs given by the probabilities of the oktas. This is a classical area where machine learning methods are applied. We investigate the performance of post-processing using multilayer perceptron (MLP) neural networks, gradient boosting machines (GBM) and random forest (RF) methods. Based on the European Centre for Medium-Range Weather Forecasts global TCC ensemble forecasts for 2002-2014, we compare these approaches with the proportional odds logistic regression (POLR) and multiclass logistic regression (MLR) models, as well as the raw TCC ensemble forecasts. We further assess whether improvements in forecast skill can be obtained by incorporating ensemble forecasts of precipitation as additional predictor. Compared to the raw ensemble, all calibration methods result in a significant improvement in forecast skill. RF models provide the smallest increase in predictive performance, while MLP, POLR and GBM approaches perform best. The use of precipitation forecast data leads to further improvements in forecast skill, and except for very short lead times the extended MLP model shows the best overall performance.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Neural Computing & Applications. - 33 (2021), p. 2605-2620. -
További szerzők:Lerch, Sebastian (1986-) (matematikus) El Ayari, Mehrez (1989-) (informatikus) Baran Sándor (1973-) (matematikus, informatikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM093078
035-os BibID:(cikkazonosító)e2678 (WoS)000636231200001 (Scopus)85109392935
Első szerző:Baran Sándor (matematikus, informatikus)
Cím:Truncated generalized extreme value distribution-based ensemble model output statistics model for calibration of wind speed ensemble forecasts / Sándor Baran, Patrícia Szokol, Marianna Szabó
Dátum:2021
ISSN:1180-4009
Tárgyszavak:Természettudományok Matematika- és számítástudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Environmetrics. - 32 : 6 (2021), p. 1-24. -
További szerzők:Szokol Patrícia (1986-) (alkalmazott matematikus) Szabó Marianna (1995-) (programtervező informatikus)
Pályázati támogatás:EFOP-3.6.1-16-2016-00022
EFOP
EFOP-3.6.2-16-2017-00015
EFOP
NKFIH NN125679
Egyéb
ÚNKP-19-3
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM094451
035-os BibID:(WoS)000654007400002 (Scopus)85107408358
Első szerző:Bátfai Norbert (informatikus)
Cím:Markov modeling of traffic flow in Smart Cities / Norbert Bátfai, Renátó Besenczi, Péter Jeszenszky, Máté Szabó, Márton Ispány
Dátum:2021
ISSN:1787-5021 1787-6117
Megjegyzések:Modeling and simulating the traffic flow in large urban road networks are important tasks. A mathematically rigorous stochastic model proposed earlier is based on the synthesis of the graph and Markov chain theories. In this model, the transition probability matrix describes the traffic dynamics and its unique stationary distribution approximates the proportion of the vehicles at the segments of the road network. In this paper various Markov models are studied and a simulation method is presented for generating random traffic trajectories on a road network based on the two-dimensional stationary distribution of the models. In a case study we apply our method to the central region of the city of Debrecen by using the road network data from the OpenStreetMap project which is available publicly.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Road network
traffic simulation
discrete time Markov chain
stationary distribution
OpenStreetMap
Megjelenés:Annales Mathematicae et Informaticae. - 53 (2021), p. 21-44. -
További szerzők:Besenczi Renátó (1986-) (mérnökinformatikus) Jeszenszky Péter (1975-) (programtervező matematikus) Szabó Máté (1994-) (informatikus) Ispány Márton (1966-) (informatikus, matematikus)
Pályázati támogatás:EFOP-3.6.1-16-2016-00022
EFOP
TKP2020-NKA-04
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

10.

001-es BibID:BIBFORM091495
035-os BibID:(cikkazonosító)e0246062 (WOS)000617533000025 (Scopus)85101335037
Első szerző:Besenczi Renátó (mérnökinformatikus)
Cím:Large-scale simulation of traffic flow using Markov model / Renátó Besenczi, Norbert Bátfai, Péter Jeszenszky, Roland Major, Fanny Monori, Márton Ispány
Dátum:2021
ISSN:1932-6203
Megjegyzések:Modeling and simulating movement of vehicles in established transportation infrastructures, especially in large urban road networks is an important task. It helps in understanding and handling traffic problems, optimizing traffic regulations and adapting the traffic management in real time for unexpected disaster events. A mathematically rigorous stochastic model that can be used for traffic analysis was proposed earlier by other researchers which is based on an interplay between graph and Markov chain theories. This model provides a transition probability matrix which describes the traffic's dynamic with its unique stationary distribution of the vehicles on the road network. In this paper, a new parametrization is presented for this model by introducing the concept of two-dimensional stationary distribution which can handle the traffic's dynamic together with the vehicles' distribution. In addition, the weighted least squares estimation method is applied for estimating this new parameter matrix using trajectory data. In a case study, we apply our method on the Taxi Trajectory Prediction dataset and road network data from the OpenStreetMap project, both available publicly. To test our approach, we have implemented the proposed model in software. We have run simulations in medium and large scales and both the model and estimation procedure, based on artificial and real datasets, have been proved satisfactory and superior to the frequency based maximum likelihood method. In a real application, we have unfolded a stationary distribution on the map graph of Porto, based on the dataset. The approach described here combines techniques which, when used together to analyze traffic on large road networks, has not previously been reported.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Simulation and modeling
graph theory
ergodicity
probability distribution
markov models
directed graphs
smart city
markov traffic
Megjelenés:Plos One. - 16 : 2 (2021), p. 1-31. -
További szerzők:Bátfai Norbert (1972-2020) (informatikus) Jeszenszky Péter (1975-) (programtervező matematikus) Major Sándor Roland (1988-) (informatikus) Monori Fanny (mérnökinformatikus) Ispány Márton (1966-) (informatikus, matematikus)
Pályázati támogatás:EFOP-3.6.1-16-2016-00022
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

11.

001-es BibID:BIBFORM094753
035-os BibID:(WoS)000654007400004 (Scopus)85107416921
Első szerző:Bodonyi Andrea Beatrix (programtervező informatikus)
Cím:A barycentric coordinates-based visualization framework for movement of microscopic organisms / Bodonyi Andrea, Kurucz Győző, Holló Gábor, Kunkli Roland
Dátum:2021
ISSN:1787-5021 1787-6117
Megjegyzések:As many research projects face the need to manage a large amount of generated research-specific data, usually with a specific structure, the demand for visualization systems is common. Likewise, the emerging data volume could turn substantially transparent cast in a visual appearance. Also, the non-trivial character of the dataset made the construction of a custom visualization necessary. Taking the possessed requirements into account, we designed a tool for processing the simulation data and handling the issue resulted from the indirectness with a previously analyzed barycentric conversion method. The system also visualizes the microscopic organism's behavior and supports a straightforward data analysis through several built-in tools.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
visualization framework
animation
movement
microscopic organism
barycentric coordinates
Megjelenés:Annales Mathematicae et Informaticae. - 53 (2021), p. 61-72. -
További szerzők:Kurucz Győző (1982-) (pszichológus) Holló Gábor (1977-) (biológus-ökológus, biológiatanár) Kunkli Roland (1982-) (matematika, informatika, ábrázoló geometria szakos tanár)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

12.

001-es BibID:BIBFORM104442
035-os BibID:(Scopus)85125326135
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Cell Segmentation in Digitized Pap Smear Images Using an Ensemble of Fully Convolutional Networks / Gergő Bogacsovics, András Hajdu, Balázs Harangi
Dátum:2021
ISBN:978-1-6654-2897-2
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Megjelenés:2021 IEEE Signal Processing in Medicine and Biology Symposium : Proceedings. - p. 1-6. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus)
Pályázati támogatás:ÚNKP-21-3-I-DE-99
Egyéb
ÚNKP-20-5-DE31
Egyéb
GINOP-2.2.1-18-2018-00012
GINOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
DOI
Borító:
Rekordok letöltése1 2 3 4 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.