Szerző szerinti böngészés "Harangi, Balázs"
Megjelenítve 1 - 20 (Összesen 84)
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 Korlátozottan hozzáférhető A szemfenék szöveti struktúra 3D vizualizációja OCT felvételek alapjánMezei, Lilla; Harangi, Balázs; DE--Informatikai KarA dolgozat célja egy olyan módszertan kidolgozása, amely lehetővé teszi a retina háromdimenziós megjelenítését optikai koherencia tomográfiás (OCT) felvételek alapján. Ennek érdekében a nyers képadatokat kinyertem, majd különféle képfeldolgozási lépéseken keresztül készítettem elő a 3D vizualizációhoz. A kinyert és feldolgozott adatokból háromdimenziós modell készült, amely a szemészeti diagnosztika és a különféle kutatások számára nyújt segítséget. A képfeldolgozás során fontos szerepet kaptak a szűrési technikák, amelyek segítették a zajcsökkentést és a képminőség javítását. Emellett a képek hasznos szerkezeti információinak kiemelése is kulcsfontosságú volt a sikeres vizualizáció érdekében. Végső soron a dolgozat célja az, hogy segítse a retina betegségeinek - például a makuladegenerációnak - pontosabb felismerését és ezáltal azok kezelésének elősegítését a háromdimenziós megjelenítéssel.Tétel 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 Korlátozottan hozzáférhető Adatelrejtés tanulóvektorok particionálása után történő osztályozássalKis, Norbert; Harangi, Balázs; DE--Informatikai KarAz osztályozó algoritmusok széleskörűen használt eszközök a különböző adatbányászat, gépi-tanulás és döntéstámogató rendszerek esetében. Az egyik legáltalánosabban használt osztályozó a Naïve-Bayes algoritmus. Az orvosi és különböző céges környezetben a versenyképesség megőrzéséhez elengedhetetlen, hogy az előnyt jelentő extra információ, amivel rendelkeznek, a konkurencia számára ne legyen hozzáférhető. Ám amennyiben egy megosztott rendszerről beszélünk, amikor több kutatóintézet egymással együttműködve egymás adatai alapján hoz egy közös, egész infrastruktúra számára fontos döntést, az adott információkat a totális megosztás elvén használják. A diplomamunkámban kifejtett módszer ezt a két, első hallásra ellentmondó elvárást egyesítené, úgy, hogy mind a két feltétel teljesüljön. Jelen dolgozatom a tulajdonság vektorok felbontása (particionálása) után történő osztályozás pontossági vizsgálata, valamint ennek az osztályozásnak az axiomatikus módszerekkel való összehasonlítása és az axiomatikus módszerek speciális kombinálása által létrehozott osztályozó eljárás kifejlesztése - amely ugyanolyan eredményt ad, mint egy teljes vektoron végzett Naive-Bayes osztályozó. Dolgozatom részletesen kitér a kutatómunka során felfedezett és kevésbé ismert Bell-számok és a másodfajú Stirling számok matematikájára, valamint hogy ezen számok felhasználásával hogyan lehetséges halmazok particionálása. A témakör sokrétű felhasználhatóságát mutatja, hogy Pima indián törzsbe tartozó nők cukorbetegséggel kapcsolatos adataival is foglalkoztam, valamint Emotiv Electroencefalograf (EEG), agyi idegsejtek elektromos tevékenységét mérő eszköz mérési eredményeivel, egy adott páciens szemének nyitott vagy csukott állapotának meghatározása céljából. Ez a két adathalmaz a UCI Machine Learning Repository publikus felületről származik. Emellett retinaképes adatbázist is felhasználtam, ahol a cél a retinaképek segítségével történő vakfolt középpontjának detektálása volt. A kutatás egyik legfontosabb állítása, hogy a Naïve-Bayes osztályozó algoritmus alapesetben pontosabb az axiomatikus döntési szabályoknál, ám minél jobban szétdaraboljuk a tanulóvektort al-vektorokra, annál jobban visszaesik a Naïve-Bayes pontossága.Tétel Szabadon hozzáférhető Advanced Multi-Label Image Classification Techniques Using Ensemble Methods(2024) Katona, Tamás; Tóth, Gábor; Petró, Mátyás; Harangi, BalázsTétel 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 Korlátozottan hozzáférhető Algorithm Development for Autonomous DrivingQasim, Muhammad; Harangi, Balázs; DE--Informatikai KarModern road safety systems, in general, and autonomous vehicles in particular, rely heavily on visual data to detect and classify objects such as pedestrians, traffic signs and lights, and other cars nearby to aid in good vehicle operation safely in their surroundings. However, the performance of object detection algorithms may degraded in difficult weather conditions. Despite tremendous advances in the development of drainage systems, the impact of rain on object perception has received little attention, particularly in the context of autonomous computing. The thesis' primary goal is to present a study on the most recent and novel ways for reducing the impact of wet weather on an autonomous vehicle's ability to detect objectsTétel Korlátozottan hozzáférhető Alkalmazásfejlesztés szemmozgáskövető szenzorok segítségévelSzécsi, Attila; Harangi, Balázs; DE--Informatikai KarA szakdolgozatom célja, egy olyan szoftver kifejlesztése volt, ami növelni tudja az endoszkópos oktatás hatékonyságát és kényelmességét. Az EyeMed nevezetű programom egy probléma köré épült. Ez a probléma az orvos nehezen tud mutogatni és műteni egyszerre. A program funkciói lehetővé teszik, hogy a rezidens orvosok láthatják az előttük lévő monitoron azt a pontot, ahova az oktatóorvos néz a saját monitorján, ezzel elérve, hogy ne kelljen kézzel mutogatni a monitoron. Az oktatóorvos ugyanakkor képes ráközelíteni is arra a pontra, ahova éppen néz, ezzel részletesebb képet nyújt a rezidens orvosoknak.Tétel Szabadon hozzáférhető Annotated Pap cell images and smear slices for cell classification(2024) Kupás, Dávid; Hajdu, András; Kovács, Ilona; Hargitai, Zoltán; Szombathy, Zita; Harangi, BalázsTétel Korlátozottan hozzáférhető Artificial intelligence and reinforcement learningKhedr, Mohamed; Harangi, Balázs; DE--Informatikai KarIn my thesis I would like to discuss AI (Artificial Intelligence), its connection to RL (Reinforcement Learning), and how to incorporate these ideas into a game. With the aid of helpful Python libraries like pygame and PyTorch, I have utilized Python as a programming language in Visual Studio Code to help us construct the Snake Game. I developed an agent (AI) utilizing the aforementioned notions that can learn, play the snake game, and get a score of 75 all by itself. Two ideas were proposed that are a mixture of this method, namely the CNN (Convolution Neural Network) and Q-learning algorithm, by employing the Deep Q-learning algorithm, a model-free RL algorithm. I described the method we utilized and how the snake practices before playing the game in order to find the food. Lastly, comparing the outcomes of the agent utilizing various activation functions and doing away with a particular reward function.Tétel Korlátozottan hozzáférhető Automating OCT Diagnostics With Machine LearningAl-Abdalla, Hazim Talab Rashid Rushdi; Harangi, Balázs; DE--Informatikai KarThis thesis focuses on classifying Age Related Macular Degeneration (AMD) into wet (Exudative) and dry (Non Exudative) by analyzing 3D OCT scans with Machine learning. Due to the sparse size of the dataset, which contains fewer than 100 samples, a two part design was proposed and applied in this thesis. The two part solution consists of an autoencoder for feature extraction and dimension reduction, and a classifier for the final prediction. This approach aids in overcoming the limited size of the dataset while capturing important features from the volumetric OCT scans. This projects shows a complete pipeline for medical imaging processing using machine learning, from data cleaning and preprocessing, to model design, to training and evaluation.Tétel Korlátozottan hozzáférhető Automatizált sejtszegmentálás és sejtkövetés szoftveres megoldása mikroszkopikus felvételekenSzékelyhidi, Sándor; Harangi, Balázs; DE--Informatikai KarA dolgozat célja még feldolgozatlan mikroszkópikus felvételen a sejtek szegmentálása és követése, különböző képfeldolgozási technikák és gépi tanulási módszerek alkalmazásával. A munka során bemutatásra kerülnek a képfeldolgozás kihívásai, technikái és különböző helyzetek kezelése, mint például az átfedések, változó kontrasztviszonyok és különböző képi zajok. A feldolgozástól a tanulásig különböző algoritmusokat, a gépi tanulást és neurális hálózatok mutatok be, melyek hatékonyan képesek kezelni a komplex képi adatokat. Az elért eredmények szemléltetéséhez grafikus eszközök, diagramok és valós teszteredmények kerülnek bemutatásra. A tanult modell teljesítményét kielemzésre kerül a tanítás közben és végén is, bemutatva, hogy mire miképp reagál a tanított modell. A dolgozatban végül javaslatokat is megfogalmazok a további fejlesztési lehetőségekre.Tétel Szabadon hozzáférhető Az endoszkópia jövője, a jövő endoszkópiája: szövetek és szervek differenciálása endoszkópia során konvolúciós neurális hálózat segítségével(2019) Lőrincz, Judit; Harangi, Balázs; Lampé, Rudolf; Török, PéterTétel Korlátozottan hozzáférhető Az Infinitrap mintájára készített játék hatékony teljesítése mesterséges intelligencia algoritmusok alkalmazásávalKajuha, József András; Harangi, Balázs; DE--Informatikai KarEbben a szakdolgozatban egy 2D-s játék fejlesztését és Q-learning algoritmus alkalmazását vizsgáltam Python programozási nyelv és Pygame keretrendszer segítségével. A játék koncepciója egy intelligens ügynök irányításán alapult, amelynek a feladata az elkerülhető akadályok elkerülése és a célpont elérésének optimalizálása. A Q-learning alkalmazásával az ügynök képes tanulni a különböző állapotokhoz kapcsolódó optimális cselekvéseket, javítva ezzel a teljesítményét idővel. A dolgozat során részletesen elemeztem a fejlesztés során alkalmazott eszközöket és módszereket, különféle játékmechanikákat és kihívásokat különböző pályákon. Az implementált Q-learning algoritmus segítségével az ügynök képes volt fejlődni és adaptálódni a játék környezetéhez. A kutatásom során a 2D-s játékfejlesztés és a mesterséges intelligencia területén szerzett gyakorlati tapasztalatokat is bemutattam, és kritikailag értékeltem az alkalmazott eszközöket és módszereket. Az eredmények összegzése és a tanulságok levonása alapján rámutattam a projekt erősségeire és fejlesztési lehetőségeire a jövőbeli munka szempontjából.Tétel Szabadon hozzáférhető Comparative Analysis of Bone Ingrowth in 3D-Printed Titanium Lattice Structures with Different Patterns(2023) Kovács, Ágnes Éva; Csernátony, Zoltán; Csámer, Loránd; Méhes, Gábor; Szabó, Dániel; Veres, Mihály; Braun, Mihály; Harangi, Balázs; Serban, Norbert; Zhang, Lei; Falk, György; Soósné Horváth, Hajnalka; Manó, SándorTétel Szabadon hozzáférhető Composing Diverse Ensembles of Convolutional Neural Networks by Penalization(2023) Harangi, Balázs; Baran, Ágnes; Beregi-Kovács, Marcell; Hajdu, AndrásTétel Korlátozottan hozzáférhető CT Image Segmentation in Medical ApplicationsAbok, Adija Beatrice; Harangi, Balázs; DE--Informatikai KarMy thesis is about segmentation of medical images in particular, computed tomography. I discussed medical images, their segmentations, the methods and techniques involved in achieving this as well as implementing a segmentation technique by writing a program to detect abnormalities.I created and implemented a computer program using MATLAB which segments medical images for easier identification. I used the Global Thresholding technique in which I manually set the threshold value to be 0.7 for the entire image. Pixels with intensity values less than that 0.7 were represented in white while those greater than that value represented the black pixels.Also In extracting the tumor regions, I took advantage of the fact that the density/solidity of tumor is higher than that of the brain and set a condition that areas with 30% higher density than that of the whole image is considered a tumor. I used the 30% value in order to pick up smaller tumors.Tétel Korlátozottan hozzáférhető CT Image Segmentation in Medical ApplicationsAbok, Adija Beatrice; Harangi, Balázs; DE--Informatikai KarMy thesis is about CT IMAGE SEGMENTATION IN MEDICAL APPLICATIONS, I discussed medical images, their segmentation, the methods and techniques involved in achieving this as well as implementing a segmentation technique by writing a program to detect abnormalities. I created and implemented a computer program using MATLAB which segments medical images for easier identification. I used the Global Thresholding technique in which I manually set the threshold value to be 0.7 for the entire image. Pixels with intensity values less than that 0.7 were represented in white while those greater than that value represented the black pixels. Also In extracting the tumour regions, I took advantage of the fact that the density/solidity of a tumor is higher than that of the brain and set a condition that areas with 30% higher density than that of the whole image are considered a tumour. I used the 30% value in order to pick up smaller tumours. In the future, I plan to improve my software by using a more automated segmentation technique.Tétel Korlátozottan hozzáférhető CT szeletek képeinek két- és háromdimenziós megjelenítéseRozsi, Kristóf; Harangi, Balázs; DE--Informatikai KarA szakdolgozatom feladat az orvoslásban használt CT gépek által készített szeletekből kinyerni a benne eltárolt képeket és egyéb információkat, valamint a kép manipulálására használt funkciók kifejlesztése és a szeletekben található csontszövetek megjelenítése háromdimenziós formában. A funkciók feladat a képek szerkezetétől információk megjelenítése és az egér használatával a képek megjelenésének módosítása, a háromdimenziós modell megjelenítése és térben való forgatása, valamint a modell kimentése egy számítógép merevlemezére.Tétel Korlátozottan hozzáférhető Developing AI Agents for Hazard‐Aware Game Environments Using Reinforcement LearningKumar, Dheeraj; Harangi, Balázs; DE--Informatikai KarThis project is Unity-based multi-agent using reinforcement learning environment featuring a 2 players. The primary agent and a spider-agent, is trained using ML-Agents to chase prey agent within a 3D arena filled with static obstacles, collectible coins, and hazards like poison food. The environment is designed to challenge agents with navigation complexity, partial observations, and decision-making under pressure. The project highlights the potential of reinforcement learning in game AI and showcases Unity as a powerful platform for simulating complex multi-agent scenarios.