Szerző szerinti böngészés "Bogacsovics, Gergő"
Megjelenítve 1 - 20 (Összesen 47)
Találat egy oldalon
Rendezési lehetőségek
Tétel Szabadon hozzáférhető A Machine Learning-Based Pipeline for the Extraction of Insights from Customer Reviews(2024) Lakatos, Róbert; Bogacsovics, Gergő; Harangi, Balázs; Lakatos, István; Tiba, Attila; Tóth, János; Szabó, Marianna; Hajdu, AndrásTétel Szabadon hozzáférhető Adatelemzési folyamat és keretrendszer a közigazgatás számára(2021) Bogacsovics, Gergő; Hajdu, András; Harangi, Balázs; Lakatos, István; Lakatos, Róbert; Szabó, Marianna; Tiba, Attila; Tóth, János; Tarcsi, ÁdámTétel Szabadon hozzáférhető AI-Driven Framework for Enhanced and Automated Behavioral Analysis in Morris Water Maze Studies(2025) Lakatos, István; Bogacsovics, Gergő; Tiba, Attila; Priksz, Dániel; Juhász, Béla; Erdélyi, Rita; Berényi, Zsuzsa; Bácskay, Ildikó; Ujvárosy, Dóra; Harangi, BalázsTétel Szabadon hozzáférhető Az e-sport és a robotpszichológia közös jövője(2017) Bátfai, Norbert; Bersenszki, Márió; Lukács, Miklós; Besenczi, Renátó; Bogacsovics, Gergő; Jeszenszky, PéterTétel Szabadon hozzáférhető Benchmarking Cognitive Abilities of the Brain with the Event of Losing the Character in Computer Games(2019) Bátfai, Norbert; Papp, Dávid; Besenczi, Renátó; Bogacsovics, Gergő; Veres, DávidTétel Korlátozottan hozzáférhető Brain tumour classification using MRI imagesHaddad, Armen; Bogacsovics, Gergő; DE--Informatikai KarThis thesis focuses on the development and evaluation of four convolutional neural network models for the accurate and fast diagnosis of brain cancer. Brain cancer is a life-threatening illness that requires precise diagnosis to improve patient outcomes. To address this need, the AlexNet, EfficientNetV2, NASNet, and Xception models were trained to correctly classify glioma, meningioma, pituitary cancers, or the absence of tumors from MRI images of the brain. The results demonstrate the potential of convolutional neural networks when properly utilized. Even the weakest model achieved an accuracy of 96%, while the best model achieved a remarkable accuracy of 99.5% when tested on previously unseen clinical images. This research offers a promising outlook on the potential of convolutional neural networks, even with limited computational resources and training data. The findings suggest that institutions with adequate resources can develop a product-ready model with close to 100% accuracy, which could significantly enhance the performance and efficiency of medical practitioners by providing an effective second opinion. However, it is essential to note that interpretability remains a significant challenge. These models cannot make the final diagnosis independently until their interpretability is fully explained. This work highlights the need for further research on the interpretability of convolutional neural networks, as this will be necessary for their implementation in clinical settings. Overall, this thesis provides an important contribution to the field of medical diagnosis and machine learning, emphasizing the potential of convolutional neural networks to improve the accuracy and efficiency of brain cancer diagnosis.Tétel Szabadon hozzáférhető DEAC-Hackers: játszó hackerek, hackelő játékosok(2018) Bátfai, Norbert; Besenczi, Renátó; Szabó, József; Jeszenszky, Péter; Buda, András; Jármi, László; Lovas, Rita Barbara; Pál, Marcell Kristóf; Bogacsovics, Gergő; Kovács, EnikőTétel Korlátozottan hozzáférhető Deep learning for brain tumour segmentationBeishenova, Saltanat; Bogacsovics, Gergő; DE--Informatikai KarDeep Learning revolutionizes brain tumour segmentation in medical imaging, enabling automatic detection with high accuracy. A lot of software with emphasis on automatic classification and segmentation in the medical field was developed with Deep Learning algorithms as their base. This thesis investigates the use of deep learning for automatic brain tumor segmentation in MRI scans, employing a 2D U-Net convolutional neural network. The model was trained on the BraTS 2020 dataset using FLAIR and T1ce modalities to classify tumor subregions, including necrotic core, edema, and enhancing tumor. Achieving an accuracy of 99.23%, a Dice coefficient of 0.6471, and a Mean IoU of 0.7134, the model demonstrated strong performance in segmenting tumor structures.Tétel Korlátozottan hozzáférhető Designing a drone with an ultrasound-based obstacle detection systemMohammed Salahuddin, Mohammed Umer; Bogacsovics, Gergő; DE--Informatikai KarThe thesis presents a well-structured and practical exploration of integrating the HC-SR04 ultrasonic sensor into a drone system for real-time obstacle detection. The work demonstrates a solid understanding of sensor operation, microcontroller programming, and UAV design principles. The methodology is clearly explained, supported by relevant diagrams and testing results. Overall, the thesis successfully shows how low-cost hardware can be used to enhance drone safety and stability, and it provides a useful foundation for future improvements such as integrating ai or using more expensive sensors. This confirm the reliability and accuracy of the system in detecting obstacles. This study contributes valuable insights for students and researchers interested in low-cost UAV development and embedded sensor applications.Tétel Korlátozottan hozzáférhető Designing and implementing a survival agent using reinforcement learning in UnityKhandoker, Riman Faradis; Bogacsovics, Gergő; DE--Informatikai KarThis thesis explores reinforcement learning in a Unity environment, moving step by step from simple energy collection to complex obstacle avoidance. It uses Unity ML‑Agents to train agents and tests how reward design affects learning. The project shows that small mistakes in rewards can cause unusual behaviors, like the agent freezing or crashing on purpose. Through iterative tuning and debugging, high‑performing agents with high success rates across all levels was achieved. Overall, the thesis showcases strong technical execution, clear documentation of challenges, and valuable insights into designing adaptive and interpretable RL training setups.Tétel Korlátozottan hozzáférhető Developing diverse ensemble architectures for automatic brain tumor classification(2024) Bogacsovics, Gergő; Harangi, Balázs; Hajdu, AndrásTétel Szabadon hozzáférhető Developing Performant Neural Network Architectures for Processing Medical Data(2024) Bogacsovics, Gergő; Hajdu, András; Informatikai Tudományok Doktori Iskola; Informatikai Kar::Adattudomány és Vizualizáció TanszékA disszertációban számos újszerű módszer kerül bemutatásra a különféle mélytanuló modellek pontosságának és megbízhatóságának növelésére. A bemutatott módszereket különböző problémák megoldására alkalmazzuk a klinikai területen és ismertetjük azok előnyeit a hagyományos mélytanulás alapú megoldásokkal szemben. A disszertációban szereplő megoldások két csoportra oszthatók. Az első csoportba tartozó eljárások a különböző hagyományos módszereket kombinálják a mélytanuló technikákkal annak érdekében, hogy javítsák a neurális hálók pontosságát. Ennek kapcsán megmutatjuk, hogy elő tudunk állítani olyan modelleket, amelyek mindkét megközelítés előnyeit magukban hordozzák. Az ilyen módon létrehozott modellek ugyanis nem csak kisebb adathalmazokon képesek működni, de robusztusabbak és rugalmasabbak is, mint a hagyományos módszerek. A disszertációban két probléma esetében vizsgáljuk a hagyományos és mélytanulás alapú módszerek ötvözésének lehetőségét. Először egy kétlépcsős architektúrát mutatunk be, melynek célja az elméleti modellek és a neurális hálók hatékony fúziója és alkalmazzuk azt az influenza, valamint COVID-19 terjedésének előrejelzésére. Ezt követően ismertetünk egy módszert, amely képes ötvözni a hagyományos képfeldolgozással és a konvolúciós neurális hálók által kinyert jellemzőket. A módszer több változatát is ismertetjük ezen jellemzők hatékony kombinálásának érdekében, majd pedig használjuk azokat a diabéteszes retinopátia és a diabéteszes makulaödéma felismerésére. A disszertációban ismertetett módszerek második csoportjának célja olyan hatékony ensemble modellek kifejlesztése, amelyek pontosabbak és hatékonyabbak a hagyományos megközelítéseknél. Ennek kapcsán először egy egyedi megközelítést mutatunk be a sejtek digitalizált Pap keneteken történő hatékony szegmentálására. A módszer egy teljesen konvolúciós neurális hálót (FCN) alkalmaz és egyszerre dolgozza fel mind további betanított FCN modellek bemeneteit, mind pedig az eredeti bemeneti képet. Ezt követően a diverz ensemble modellek építésének problémáját mutatjuk be. Kitérünk arra, hogy a hagyományos módszerek nem veszik figyelembe az együttes diverzitását, azaz, hogy a tagmodellek mennyire különbözőek. Ezután több újszerű, ensemble alapú megközelítést mutatunk be, melyek a tanítás során a tagmodellek utolsó konvolúciós rétegei által kinyert jellemzők közötti hasonlóságot egyfajta regularizációként használják. A módszer több változatát is ismertetjük és alkalmazzuk azokat az agydaganatok MRI felvételeken történő pontos osztályozására. In this dissertation, several novel methods are presented for improving the accuracy and reliability of various deep learning models. We apply these methods to solve various problems in the clinical domain and describe their advantages over traditional deep learning-based solutions. The solutions presented in this dissertation can be divided into two groups. The first group of methods combines various traditional methods with deep learning techniques in order to improve the accuracy of neural networks. In this context, we show that we can devise models that combine the advantages of both approaches. Models created in this way are not only able to operate on smaller datasets, but are also more robust and flexible than traditional methods. In this thesis, we explore the possibility of combining traditional and deep learning-based methods for two problems. First, we present a two-stage architecture for the efficient fusion of theoretical models and neural networks, and apply it to predict the spread of influenza and COVID-19. We then describe a method that is able to combine hand-crafted features with those extracted by convolutional neural networks. We describe several variants of the method to combine these features efficiently, and then use them to detect diabetic retinopathy and diabetic macular edema. The second set of methods described in this thesis aims to develop efficient ensemble models that are more accurate and efficient than traditional approaches. In this context, we first present a unique approach for the efficient segmentation of cells on digitized Pap smear images. The method employs a fully convolutional neural network (FCN) and simultaneously processes both the inputs from additional pre-trained FCN models and the original input image. Then, we present the problem of building diverse ensemble models. We point out that traditional methods do not take into account the diversity of the ensemble, i.e., how diverse the member models are. Then, we present several novel ensemble-based approaches that use the similarity between the features extracted by the last convolutional layers of the member models as a form of regularization during training. Several variants of the method are described and applied to accurately classify brain tumors in MRI images.Tétel Korlátozottan hozzáférhető Diffúziós modellek alkalmazása szöveg alapú képgenerálásbanMocsári, Henrik; Bogacsovics, Gergő; DE--Informatikai KarA mesterséges intelligencia fejlődése az elmúlt évtizedek egyik legmeghatározóbb technológiai irányzata, amely új távlatokat nyitott a generatív modellek területén is. Diplomamunkám középpontjában a diffúziós modellek szöveg alapú képgenerálásban betöltött szerepe áll, amelyek a hagyományos képfeldolgozási módszerektől (osztályozás, szegmentálás, objektum detektáció) eltérően képesek új, valósághű képeket előállítani. Munkám bemutatja a generatív modellek fejlődését a VAE, GAN és Flow-alapú modellek megközelítésétől a modern diffúziós architektúráig, részletesen elemezve a forward és reverse diffusion folyamatokat, valamint a központi U-Net architektúra működését és módosításait is. A kísérlet során három, különböző tanítási stratégiával rendelkező pre-trained diffúziós modellt finomhangoltam domain-specifikus adathalmazon, hogy összehasonlítsam teljesítményüket adott bemenetek és értékelési metrikák mentén, mint például az Inception Score és a Fréchet Inception Distance. Az eredmények alapján a diffúziós modellek képesek nagy felbontású, részletgazdag és realisztikus képek generálására még korlátozott számítási erőforrások mellett is. A kísérlet rávilágított arra, hogy ezek a modellek miért tekinthetők state-of-the-art megoldásnak nemcsak képgenerálásban, hanem más területeken is, mint például a hang és videógenerálás.Tétel Szabadon hozzáférhető E-sportolók mérése(2018) Bátfai, Norbert; Bogacsovics, Gergő; Paszerbovics, Roland; Antal, Asztrik; Czevár, István; Kelemen, Viktor; Besenczi, RenátóTétel Korlátozottan hozzáférhető Emberi teljesítmény közelítése mesterséges intelligenciávalSzarvák, Gorzsa; Bogacsovics, Gergő; DE--Informatikai KarA szakdolgozat célja a megerősítéses tanulásban rejlő lehetőségek felfedezése egy intelligens ágens fejlesztésére, amely képes teljesíteni egy összetett feladatot egy Unity játék környezetben. Pontosabban, a cél egy ágens betanítása, hogy az navigálni tudjon egy olyan környezetben, amiről csak interakciókon keresztül kap információt. A környezet felfedezése kulcsfontosságú, ez indokolja a megerősítéses tanuláshasználatát. A szakdolgozat részeként fejlesztett egyedi játék célja egy ismeretlen helyen lévő pont elérése, eközben különféle akadályok kikerülése. A pont elérését tovább nehezítik ellenfelek, akik üldözni kezdik a játékost, ha a közelükbe ér. A játékos és az ágens csak limitált mennyiségű információt kap a környezetről, csak a közvetlen közelében lévő területet látja, a lényeges részek ki vannak takarva a kiinduláskor, a cél megtalálása érdekében fel kell térképeznie a területet. A feladatot minél gyorsabban kell teljesíteni, elsősorban az idő képzi az összehasonlítás alapját az emberi játékos és az ágens között. A teljesítés sebessége nagyban függ az optimális felfedezési módszer megtalálásától, amihez a tanítás során az ágens a kapott jutalmak alapján tud közelíteni. Tulajdonképpen az ágens felfedezési stílusától, általánosságban a policyjétől függ, hogy jobban vagy rosszabbul teljesít, mint a játékos. A kutatás sikeresnek mondható, ha az ágens képes hasonló idő alatt teljesíteni, mint egy ember.Tétel Szabadon hozzáférhető Enhancing CNNs through the use of hand-crafted features in automated fundus image classification(2022) Bogacsovics, Gergő; Tóth, János; Hajdu, András; Harangi, BalázsTétel Korlátozottan hozzáférhető Forgalomirányítás megerősítéses tanulás alkalmazásával Unity-ben modellezvePósán, Kinga; Bogacsovics, Gergő; DE--Informatikai KarDiplomadolgozatom témája a forgalomirányítás, ami egy olyan fontos terület, ahol a hatékony működés jelentős társadalmi és gazdasági előnyökkel járhat. Ahhoz, hogy a forgalomirányítási rendszerek optimálisan működjenek, egyre inkább felmerül az automatizáció és a mesterséges intelligencia alkalmazásának lehetősége. A tanulmányom során a megerősítéses tanulással dolgoztam, amely lehetővé teszi egy betanított ágens létrehozását és optimalizálását. Ennek implementálásához a Unity környezetét használtam, amely ideális platformot biztosít a szimulációkhoz és az AI modellek fejlesztéséhez. Az ML-Agents keretrendszer segítségével könnyedén modelleztem és tanítottam az ágenset, miközben a TensorBoard segítségével folyamatosan követtem és elemeztem a tanítási folyamatot. Ennek révén hatékonyan állítottam be és finomhangoltam a hiperparamétereket, valamint a jutalmazási rendszert annak érdekében, hogy az ágens minél hatékonyabban és stabilabban teljesítsen a különböző forgalomirányítási helyzetekben. A diplomadolgozatom négy különböző pályát foglal magában, melyek mindegyike egyre növekvő nehézségi szinttel és komplexitással rendelkezik. Ezáltal átfogó képet nyújt arról, hogyan alkalmazható az általam kifejlesztett rendszer különböző forgalomirányítási kihívásokra, és hogyan képes a mesterséges intelligencia optimalizálni és javítani ezeket a folyamatokat.Tétel Korlátozottan hozzáférhető Forgalomoptimalizálás megerősítéses tanulássalSárosi, Gábor; Bogacsovics, Gergő; DE--Informatikai KarA járművek számának emelkedésével a forgalmi torlódások gyakorisága és mérete egyre nő. A forgalomoptimalizálás napjainkban is aktívan kutatott terület, melyre nem létezik általános megoldás. Dolgozatomban bemutatom a probléma egy lehetséges megközelítését, melyhez mélytanulást és megerősítéses tanulást alkalmaztam. Ennek előnye, hogy a mesterséges intelligencia a forgalom aktuális állapotának megfelelően állítja a jelzőlámpákat, így teljesen specializált konfigurációk jöhetnek létre az aktuális forgalomnak megfelelően. A dolgozatban kiemelt hangsúlyt fektetek Eger legforgalmasabb városrészének csúcsforgalomban történő optimalizálására. Az elkészített projekt szignifikánsan jobb forgalmat eredményez, mint a városban jelenleg megtalálható lámpaprogramozás.Tétel Korlátozottan hozzáférhető Gépi tanulás használata képi adatok elemzéséhez és arcdetektáláshoz egykártyás számítógép segítségévelBerencsi, Csaba; Bogacsovics, Gergő; DE--Informatikai KarA szakdolgozat célja egy olyan biztonsági rendszer kiépítése, amely a mozgás detektáláson és az arcdetektáláson alapszik. A program implementálása során nagy hangsúlyt fektettem az arcdetektálási módszerek alkalmazására, illetve tesztelésére. A kutatás és a dolgozat megírása során okoseszközként Raspberry Pi, Python programozási nyelv, PyTorch keretrendszer, OpenCV függvénykönyvtár, valamint Visual Studio Code kódfejlesztői környezet került felhasználásra. A szakdolgozatban elkészült arcdetektáló algoritmus öt előre betanított arcdetektáló módszeren alapszik, amelyeket felhasználva létrehoztam egy aggregált arcdetektálót, amelynek kimenete az öt algoritmus által prediktált bounding box átlaga. A öt kiválasztott arcdetektáló és a saját arcdetektálási algoritmus tényleges metrikáit a WIDERFACE benchmark segítségével számítottam ki a validálási és tesztelési adathalmazokon. Az eredmények alátámasztották azt a hipotézist, hogy az aggregált arcdetektáló használata során jobb eredményeket érhetünk el, mintha külön-külön alkalmaznánk az öt kiválasztott arcdetektáló módszert.Tétel Korlátozottan hozzáférhető Háromdimenziós klinikai adatok feldolgozása neurális háló alapú architektúrávalTóth, Csenge Beatrix; Bogacsovics, Gergő; DE--Informatikai KarDolgozatomban egy olyan neurális háló alapú rendszer tervezését, fejlesztését valósítottam meg, amely képes 3 dimenziós orvosi leletek feldolgozására és hatékony, automatikus szegmentálására mélytanuló eljárások alkalmazásával. A rendszer optimális működéséhez több mélytanuló algoritmus működését vetettem össze, mint például a 2D U-Net, 3D U-Net, illetve a 3D V-Net. Az összehasonlításhoz többféle metrikát is számoltam, többek közt a dice együttható, precision (PPV), sensitivity, specificity (SP) és az accuracy (ACC) mérőszámokat. A fejlesztés során a felmerülő hibák korrigálásához prototípus készült el, a dolgozat bemutatását pedig modell rangsorolással, és az eredmények kiértékelésével zárom. A jelenleg ismert egyik legveszélyesebb és egyben leggyakoribb daganatfajta a glioblasztóma (glioblastoma multiforme, GBM). A felnőttkori rosszindulatú agyi elváltozások többségét ez a fajta teszi ki. Sajnos a legtöbb ilyen betegségben szenvedő ember átlagosan 12-18 hónapig él a diagnózis után, és az embereknek csak körülbelül 7%-a él még öt év múlva is. A modern diagnosztika során számítógépes képalkotó eljárások alkalmazásával sokkal precízebben meghatározható a tumor pontos helye az agyban, illetve könnyebben meghatározható a betegség súlyossága is. A képszegmentálási technológia gyakorlatban való alkalmazásával a készített rendszer az orvosok munkájának könnyítéséhez jelentős mértékben hozzájárulna. Ennek oka, hogy a vizsgálati eljárás nagy részében mentesítené az emberi munkaerőt. Az eljárás automatizálása gyorsítaná a diagnosztizálás folyamatát, amit egyszerűbb akár az orvosoknak is jóváhagyni. Segítségével jobb és hatékonyabb ápolási eredmények érhetőek el, emellett javulhat a páciensek véleménye is az egészségügyi rendszerekkel kapcsolatban.
- «
- 1 (current)
- 2
- 3
- »