Találati lista | Tudóstér

001-es BibID:	BIBFORM102586
Első szerző:	Bogacsovics Gergő (informatikus)
Cím:	Napelemfarmok Magyarország területén történő elhelyezését segítő döntéstámogató rendszer fejlesztése / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János
Dátum:	2021
ISSN:	2786-1910
Megjegyzések:	A világ energia és ásványkincsek iránti étvágya kielégíthetetlennek tűnik. A Földünkön lévő fosszilis tüzelőanyagok természetes tartalékainak a jelenlegi ütemben történő kiaknázásával az elkövetkezendő évtizedekben súlyos energiahiányra visszavezethető problémákkal nézhet szembe az emberiség. Ezért a figyelmünket olyan megújuló energiaforrások felé kell fordítanunk, mint például a napenergia. A napelemparkok helyszínének kiválasztása kulcsfontosságú kérdés, mivel közvetlen hatással van a teljesítményre, a gazdasági, környezeti és szociális kérdésekre, valamint a meglévő és a jövőbeli infrastruktúrákra. Ezért ebben a tanulmányban az elsődleges célunk a kormányzati (Minisztérium/MAVIR) döntéstámogatás a napelemfarmok elhelyezésének kérdésében, ami a későbbiekben továbbfejleszthető befektetői, lakossági felhasználásra. Az általunk használt publikus adatbázisokból földrajzi koordináták szerint kinyert jellemzők (közvetlen normál besugárzás, átlagos levegő hőmérséklet, tengerszint feletti magasság, elektromos hálózati elemek) felhasználásával kialakított matematikai modell által szolgáltatott jóságérték jelzi a napelemparkok telepítéséhez legalkalmasabb régiók elhelyezkedését.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban folyóiratcikk megújuló energia jóságbecslés nagymennyiségű adatelemzés napelemfarmok elhelyezése
Megjelenés:	Közigazgatástudomány. - 1 : 2 (2021), p. 134-145. -
További szerzők:	Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus)
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM102585
Első szerző:	Bogacsovics Gergő (informatikus)
Cím:	Adatelemzési folyamat és keretrendszer a közigazgatás számára / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János, Tarcsi Ádám
Dátum:	2021
ISSN:	2786-1910
Megjegyzések:	A mesterséges intelligencia utóbbi évtizedben bekövetkezett ugrásszerű fejlődése az azt támogató hardveres és szoftveres platformok folyamatos bővülésével az adatelemzést is új szintre emelte. Ez a szintlépés alapvetően úgy értelmezhető leginkább, hogy egyre kevésbé szükséges a feldolgozó modellek precíz meghatározása, mivel már a most rendelkezésre álló eszközök képesek biztosítani, hogy pusztán a nyers input adatok megfelelő szolgáltatásával és az elérni kívánt cél meghatározásával az effektív elemzést végző eljárás - általában neurális háló architektúra - már egy gépi tanulási folyamaton keresztül automatikusan kerüljön kialakításra. Mivel ez a trend a jövőben várhatóan tovább fog erősödni, az elemzési eljárásokat célszerű úgy felépíteni, hogy ebbe a keretrendszerbe illeszkedjenek. Ennek megfelelően hangsúlyt kell fektetni a feldolgozni kívánt, potenciálisan különféle területekről származó adatbázisok olyan előfeldolgozására, amelyet követően a teljes adatkészlet átadható az elemző architektúrának. Mivel az elemzés eredményének értelmezhetőségét emberi felhasználásra is alkalmassá kell tenni, ezért tipikusan vizualizációs technikákat alkalmazhatunk erre a célra. Értelemszerűen a vizualizációs technikát is a hatékonyság miatt a teljes elemzési keretrendszerbe érdemes integrálni, azaz a vizualizációs eszköz közvetlenül ráépül az elemzőarchitektúra kimenetére, illetve annak belső adatábrázolására, amennyiben például a bemeneti adatok közötti összefüggések bemutatása is hasznos a döntéshozás indoklásához.
Tárgyszavak:	Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban folyóiratcikk adatelemzés keretrendszer adatelemzési terv
Megjelenés:	Közigazgatástudomány. - 1 : 2 (2021), p. 146-158. -
További szerzők:	Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Tarcsi Ádám (1985-) (informatikus)
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM128340
035-os BibID:	(WoS)001443468900001 (Scopus)86000531493
Első szerző:	Lakatos István (programtervező informatikus)
Cím:	AI-Driven Framework for Enhanced and Automated Behavioral Analysis in Morris Water Maze Studies / István Lakatos, Gergő Bogacsovics, Attila Tiba, Dániel Priksz, Béla Juhász, Rita Erdélyi, Zsuzsa Berényi, Ildikó Bácskay, Dóra Ujvárosy, Balázs Harangi
Dátum:	2025
ISSN:	1424-8220
Megjegyzések:	The Morris Water Maze (MWM) is a widely used behavioral test to assess the spatial learning and memory of animals, particularly valuable in studying neurodegenerative disorders such as Alzheimer`s disease. Traditional methods for analyzing MWM experiments often face limitations in capturing the complexity of animal behaviors. In this study, we present a novel AI-based automated framework to process and evaluate MWM test videos, aiming to enhance behavioral analysis through machine learning. Our pipeline involves video preprocessing, animal detection using convolutional neural networks (CNNs), trajectory tracking, and postprocessing to derive detailed behavioral features. We propose concentric circle segmentation of the pool next to the quadrant-based division, and we extract 32 behavioral metrics for each zone, which are employed in classification tasks to differentiate between younger and older animals. Several machine learning classifiers, including random forest and neural networks, are evaluated, with feature selection techniques applied to improve the classification accuracy. Our results demonstrate a significant improvement in classification performance, particularly through the integration of feature sets derived from concentric zone analyses. This automated approach offers a robust solution for MWM data processing, providing enhanced precision and reliability, which is critical for the study of neurodegenerative disorders.
Tárgyszavak:	idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk morris water maze convolutional neural network machine learning behavioral classification
Megjelenés:	Sensors. - 25 (2025), p. 1-16. -
További szerzők:	Bogacsovics Gergő (1996-) (informatikus) Tiba Attila (1990-) (informatikus, matematikus) Priksz Dániel (1989-) (farmakológus) Juhász Béla (1978-) (kísérletes farmakológus) Erdélyi Rita Berényi Zsuzsa Bácskay Ildikó (1969-) (gyógyszerész, gyógyszertechnológus) Ujvárosy Dóra (1985-) Harangi Balázs (1986-) (programtervező matematikus)
Pályázati támogatás:	TKP2021-NKTA-34 Egyéb GINOP-2.3.4-15-2020-00008 GINOP GINOP-2.3.3-15-2016-00021 GINOP
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat DOI
Borító:
Saját polcon:

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:
Saját polcon: