Matematikus Témalabor téma javaslat 2017. (Responses)
 Share
The version of the browser you are using is no longer supported. Please upgrade to a supported browser.Dismiss

 
View only
 
 
ABCDEFGHIJKLMNOPQRSTUVWXYZAA
1
Témavezető neve Témavezető munkahelyeTémavezető e-mail címeTéma címeHány hallgató választhatja a témátA téma rövid leírása, szükséges előismeretek, elvárásokTimestamp
2
Lagzi IstvánBME TTK, Fizika Tanszékistvanlagzi@gmail.comReakció-diffúzió rendszerek modelljeinek numerikus megoldása2Reakció-diffúzió rendszerekkel számos jelenséget lehet leírni: mintázatképződés és egyéb tér- és időbeli struktúrák kialakulása. Matematikailag a reakció-diffúzió rendszerek másodrendű parciális differenciálegyenletek, amelyeknek két tagja van: diffúziós (anyagtranszport) és az anyagfajták közötti reakciókat leíró tag. A munka során számos problémát programoznánk be, előnyt jelent egy vagy több programozási nyelv stabil ismerete. 15/08/2017 15:56:29
3
Károlyi GyörgyBME Nukleáris Technikai Intézetkarolyi@reak.bme.huA tranziens káosz új típusa csillapított rendszerekben1A tranziens kaotikus viselkedésben egyszerre van jelen a csillapítás és gerjesztés, ez vezet el az instabil periodikus pályák fraktálmintázataihoz. Egy olyan, egyszerű mechanikai rendszert szeretnénk vizsgálni, amelyben van csillapítás, de hiányzik a gerjesztés. Ekkor is tapasztalható véges ideig bonyolult viselkedés, de nincsenek periodikus pályák.
Elvárás: programozási ismeretek, előtanulmány kaotikus dinamikáról
16/08/2017 09:22:51
4
Gerényi AttilaNN RAS Kft.gerenyia@yahoo.comBiztosításmatematika2Egy szabadon választott cikk (általában angol nyelvű) feldolgozása biztosításmatematika témakörben. Szükséges előismeretek: angol nyelv alapszintű ismerete, alapfogalmak biztosításmatematika témában.18/08/2017 19:22:01
5
Pocsarovszky KárolyeNET Internetkutató Kft.karoly.pocsarovszky@enet.huMegújuló erőművek menetrend tartásának támogatása1A KÁT körbe tartozó energiatermelés kiemelt jelentőségű, hiszen stratégiai cél a megújuló villamos energia részarány bővítése a teljes hazai fogyasztásban. Ugyanakkor a hazai villamosenergia-rendszer terhelésére számottevő hatása van a KÁT erőműveknek, ahogyan azok termelése a jövőre nézve nehezen, illetve nehezebben prognosztizálható, szemben egy atom, vagy gázturbinás erőművel. A váratlan termelési sokkok kiegyenlítése súlyos költségek mellett itthonról, vagy kapacitás hiányában külföldről történhet

A KÁT erőművek termelése ezért menetrendhez kötött, amely menetrendet az adott erőműnek kell meghatározni a rendszerirányító felé idejekorán: minden nap a következő napi termelést negyedórás bontásban; minden hónapban a következő hónap völgy és csúcs és mély időszaki termelést napi bontásban; valamint az éves termelését, minden év decemberében a következő évre vonatkozóan.

Hasznos (nem elvárt) ismeretek: statisztika, idősorelemzés, gépi tanulás, meteorológia, villamosenergia-rendszer
21/08/2017 15:23:31
6
Pocsarovszky KárolyeNET Internetkutató Kft.karoly.pocsarovszky@enet.huKaggle verseny2Egy választott Kaggle (https://www.kaggle.com/competitions) versenyen való indulás, adatfeldolgozástól a beadásig.

Elvárt imeretek: Python alapok, választott témához kapcsolódó matematikai alapismeretek
21/08/2017 15:31:47
7
Pocsarovszky KárolyeNET Internetkutató Kft.karoly.pocsarovszky@enet.huOnline hirdetési/kampány adatok elemzése1Felhasználói profilozás, ajánlórendszerek21/08/2017 15:34:26
8
Hős CsabaBME Hidrodinamikai Rendszerek Tanszékcshos@hds.bme.hu"Legközelebbi" Hopf bifurkáció meghatározása sokparaméteres dinamikai rendszerben1A munka során sokparaméteres dinamikai rendszerekkel foglalkozunk: egy kiinduló paramétervektorhoz tartozó egyensúlyi helyzethez szeretnénk meghatározni azt a kritikus, euklideszi értelemben legközelebbi paramétervektort, melynél az egyensúlyi helyzet Hopf bifurkáción megy keresztül. A megoldási módszert valós rendszer vizsgálatával teszteljük.

Matlab vagy Python vagy C++ programozási nyelc ismeret szükséges. Preferált nyelv: Matlab.
22/08/2017 12:19:12
9
Dr. Szabó Mihály / Molontay RolandBME KTH / BME Sztochasztika Tanszékszabo.mihaly@kth.bme.hu / molontay@math.bme.huOktatási adatbányászat3Az oktatási adatbányászat (educational data mining (EDM)) egy friss kutatási terület, melyben az adatbányászat, a gépi tanulás és a statisztika módszereit alkalmazzák oktatással kapcsolatos adatokból való hasznos információ kinyerésére.

A félév során a hallgató megismerkedik az oktatási adatbányászat legfontosabb fogalmaival, módszereivel és eredményeivel, illetve matematikai hátterével, majd ezt a tudást valós, az oktatásból származó adathalmazok (pl. Neptun) statisztikai és adatbányászati elemzésére használja fel.

Lehetőség van a témát későbbi félévekben is folytatni: TDK dolgozat vagy publikáció is készíthető.

Jelentkezni lehet egyénileg vagy két-háromfős csoportban is.

Hallgatótól elvárt készség:

- angol nyelvtudás a szakirodalom feldolgozásához
- adatok feldolgozásához szükséges megfelelő számítógépes ismeretek
- statisztikai alapismeretek

Előnyt jelent:
- adatelemzési tapasztalat
- statisztikai programcsomagok ismerete (pl. SPSS)
- programozási ismeretek (Python/R/Matlab)
- társadalomtudományi érdeklődés
23/08/2017 23:15:49
10
Dr. Domokos GáborBME, Szilkárdságtani Tsz.domokos@iit.bme.huKonvex testek geometriai és mechanikai tulajdonságai2A konvex testek leírása nem csak a konvex geometria, hanem a fizika egyik izgalmas területe is, hiszen a az alapvető jelentőségű kopási folyamatok megértéséhez a konvex geometrián keresztül vezet az út. A témalabor keretében egyrészt konvex testek alakfejlődését vizsgáljuk különböző matematikai modellek esetén másrészt azt próbáljuk követni, hogy a test statikai egyensúlyi helyzetei hogyan változnak ezen folyamatok során. A téma egyik érdekes, önmagában is feldolgozható rész-témája a konvex poliéderek statikai egyensúlyi helyzeteinek a feltérképezése, ezen belül is az úgynevezett Koebe-poliéderek geometriája.
Elemi konvex geometriai ismeretek, analízis, közönséges differenciál-egyenletek. Elemi programozási ismeretek. Előnyt jelentenek a diszkrét geometriai és differenciál-geometriai ismeretek.

Megjegyzés: a témalabort közösen konzultálom Dr Lángi Zsolttal a Geometria Tanszékről.
28/08/2017 07:39:34
11
Pokol GergőBME NTIpokol@reak.bme.huGyors elektron hullámok fúziós plazmában1A fúziós plazma több millió fokos, mágneses térrel összetartott plazma, amit magfúziós célból hozunk létre. A plazmában szabad töltött részecskék vannak, amik mind egymással, mint az elektromos és a mágneses térrel komplex kölcsönhatásban vannak. Ennek eredményeképp egy mágnesezett plazmában rendkívül sokféle hullám terjedhet. A téma ezen hullámok egy részének, a gyors elektron hullámok tulajdonságainak részletes tanulmányozását célozza homogén plazma közelítésben. Ezen hullámok diszperziós relációja egy gyakorlatilag negyedfokú egyenlet megoldásaként áll elő rendkívül sok taggal (Komar, et.al., Journal of Physics: Conference Series 401 (2012) 012012), ami nagyon megnehezíti a numerikus szimulációk futtatását és az eredmények értelmezését. A hallgató feladata lesz a diszperziós reláció 4 alap megoldására közelítő formulákat találni a fúziós plazmák paramétertartományában és ezreket összevetni az irodalomban fellelhető közelítésekkel. Mathematica és MATLAB szoftverek ismerete előny.28/08/2017 09:09:18
12
Ván PéterWigner FK és BME, EGRvan.peter@wigner.mta.huGyengén nemlokális duális belső változók a mechanikában: gradiens és általánosított mechanika1A kontinuummechanika általánosításainak az elmélet objektivitását és a termodinamikai beágyazottságát kell matematikailag kezelniük. A Galilei relativisztikus téridő modell keretei, illetve a termodinamikai belső változók módszere lehetőséget ad ezeknek a kérdéseknek egységes megoldására. A feladat az elvi háttér feldolgozása után egyszerű, mérnöki gyakorlat szempontjából fontos példák kidolgozása.
Érdeklődés az elméleti fizika, ezen belül is a téridő elméletei iránt. Kontinuumfizikai, klaszikus téreleméleti (mérlegek, tenzoranalízis) alapismeretek.28/08/2017 09:10:12
13
Ván PéterWigner FK és BME, EGRvan.peter@wigner.mta.huA téridő vektorterei a fizikában1 A Galilei és speciális relativisztikus téridő matematikai modelljeiben szereplő vektorterek meghatározzák a lehetséges fizikai mennyiségek jellegét (vektor, kovektor, pszeudoskalár, kotenzor, stb..). Annak kísérleti eldöntése, hogy melyik mennyiség szerepel adott elméletben az úgy nevezett transzformációs tulajdonságokon alapul. A feladat az elvi háttér feldolgozása után az alapvető fizikai elméletek átgondolása ebből a szempontból, a lehetséges alternatív reprezentációk kiválasztása, illetve ezek szerepének felderítése a mérnöki gyakorlatban.
Érdeklődés az elméleti fizika, ezen belül is a téridő elméletei iránt. Kontinuumfizikai, klaszikus téreleméleti (mérlegek, tenzoranalízis) alapismeretek.28/08/2017 09:11:14
14
Csicsman JózsefSztochasztika Tanszék, külső oktatócsicsman@calculus.huNagyméretű statisztikai adatállományok elemzése3"A ma oly divatos Big Data problémáknál kérdéses, hogy milyen statisztikai módszertanokat és milyen számítógépes eszközöket használhatunk az adatok megismerésére.
A szenzoros adatgyűjtések az élettudományok esetén, mikor másodpercenként milliós nagyságrendű adatok keletkeznek, illetve a folyamatos idejű műszeres méréseknél az energetikában már nem dolgozhatunk hagyományos eszközökkel.
A témalabort felvevő hallgató, valós mintafeladatok megoldásával közelíthetik a problémák megoldását."
Előtanulmányok: Statisztikai ismeretek, Adatkezelési és adatelemzési technikák felhasználószintű ismerete, az R, vagy a MATLAB, vagy a SAS, vagy az SPSS, illetve bármely a hallgató által használható szoftver esetén.
28/08/2017 10:29:34
15
Csicsman JózsefSztochasztika Tanszék, külső oktatócsicsman@calculus.huDemográfiai változások paramétereinek becslése3 Az un. dinamikus mikroszimuláció esetén, mikor pl. a magyar népességnél tovább akarjuk vezetni az emberek demográfiai változásait, a születést, a halált, a házasságot (együttélést) és a válás (kiválást) minden jó csak azt nem tudjuk a jövőben, hogy miképpen változnak az esetek valószínűségei. A múltról mindent tudunk, a jövőről csak sejthetünk.
A téma labor feladata, ezen paraméterek becslése és gyakorlati alkalmazása egy mikroszimulációs szoftverben.
Alapvető kérdésünk az oktatás, az egészségügy és a nyugdíjrendszer fenntarthatósága, illetve a különböző közgazdasági hipotézisek előrejelzése, melyeket csak akkor tudunk megoldani, ha van korrekten továbbvezetett népességünk. Előny a SAS ismerete.
28/08/2017 10:38:21
16
Heszberger Zalán, Kőrösi AttilaBME VIK TMITheszi@tmit.bme.hu, korosi@tmit.bme.huInternetes forgalomelemzés alkalmazott sztochasztikus modellezési módszerekkel2"A feladat kapott internetes idősorok (sávszélesség, létrejövő kapcsolatok száma, hálózati meghibásodás vagy egyéb forgalmi paraméterek) elemzése, trendanalízis, alapvető sztochasztikus modellek segítségével. Felhasználási területek: Hálózati teljesítmény-analízis, proaktív hibajavítás, hálózatbővítés, új szolgáltatás bevezetés, hálózatbiztonság.
A hálózatüzemeltető cégek kiadásainak nagy részét a hálózatmenedzsmenti beavatkozásokat, illetve döntéseket meghozó munkatársak bérköltsége teszi ki. Ennél fogva minél inkább automatizált egy üzemeltető hálózatmenedzsmenti rendszere, annál olcsóbban tud magas szintű szolgáltatást nyújtani, tehát annál versenyképesebb a piacon. A feladat során vizsgált döntéstámogató eljárások egy nagyobb kutatási projekt részeként kerülnek alkalmazásra.

Elvárt készség: Sztochasztikus folyamatok, Matlab, Mathematica vagy más programozásra alkalmas környezet vagy programnyelv"
28/08/2017 12:15:31
17
Csáji Balázs CsanádMTA SZTAKIbalazs.csaji@sztaki.mta.huStatisztikus gépi tanulás dinamikus rendszerekben2Számos területen (pl., mérnöki, orvosi, és közgazdasági alkalmazásokban) előkerülő probléma, hogy egy sztochasztikus, dinamikus rendszerből jövő megfigyelések sorozatát kell elemezni, modelleket becsülni, ezekből következtetéseket levonni. A hallgatók vagy gyakorlati módon kapcsolódhatnak be a témába valós ipari vagy energetikai adatok elemzésével, vagy elméleti módon egy formális probléma vizsgálatával. Lehetséges témák: (1) sztochasztikus modellek becslése, többfajta becslés összehasonlítása és aggregálása; (2) a rendszer rövidtávú előrejelzése, adott események bekövetkezésének kockázata; (3) a rendszer megváltozásának minél gyorsabb felismerése; (4) jellegzetes mintázatok keresése az adatokban; (5) irregularitások (pl., hiányzó, hibás, inkonzisztens adatok) felismerése és kezelése. Előnyt jelent alapismeret az alábbi területek valamelyikében: statisztikus gépi tanulás, idősorok elemzése és rendszer identifikáció. A numerikus kísérletekhez Matlab ismerete ajánlott. A munkához az MTA SZTAKI Mérnöki és Üzleti Intelligencia Kutatólaboratóriuma biztosít helyet.28/08/2017 13:03:32
18
Fülöp TamásBME EGR Tsz.fulop@energia.bme.hu"Az aszimptotikus stabilitás Ljapunov-módszeres vizsgálatának kiterjesztése "1"A termodinamikai egyensúly aszimptotikus stabilitása az összentrópiával mint Ljapunov-függvénnyel hatékonyan igazolható. Bizonyos rendszerek esetén azonban az entrópia létezése kérdéses, a fizika csak bizonyos gyengébb feltételeket biztosíthat. Ehhez kapcsolódik a feladat: a Ljapunov-módszer egy konkrét általánosítási lehetőségének megvizsgálása.
"
28/08/2017 13:55:41
19
Fülöp TamásBME EGR Tsz.fulop@energia.bme.huDifferenciaegyenletek aszimptotikus stabilitása1"Termodinamikai differenciálegyenletek esetén az entrópia Ljapunov-függvényként biztosít aszimptotikus stabilitást. A differenciálegyenletek stabilitásának Ljapunov-módszerének differenciaegyenletekre is létezik megfelelője. A feladat irodalomkutatást végezni e téren, majd pedig kezdeti lépéseket tenni abban az irányban, hogy differenciálegyenletek numerikus, végesdifferenciás sémáinak numerikus stabilitása biztosítható-e entrópia-alapon.

"
28/08/2017 13:56:40
20
Biró PéterMTA Közgazdaságtudományi Intézetpeter.biro@krtk.mta.huStabil párosítási feladatok algoritmikus vizsgálata2Stabil párosítási algoritmusokat használnak a hazai egyetemi és középiskolai felvételinél a ponthatárok kiszámítására, de sok más alkalmazásban is szerte a világban. A Mechanizmustervezés Lendület kutatócsoportban a játékelméleti és algoritmuselméleti kutatások részeként valós alkalmazások adatait is elemezzük. Három konkrét programozási feladathoz keresünk diákokat. 1. A hazai felsőoktatási felvételi adatainak elemzése statisztikai programmal (Stata vagy R). 2. Egészértékű programozási módszerek használata stabil párosítási feladatokban (Gorubi vagy CPLEX). 3. Az ELTE LEMON C++ alapú szoftverének kibővítése stabil párosítási algoritmusokkal.28/08/2017 23:35:55
21
Molnár SándorBME-TMITmolnar@tmit.bme.hu
Hálózati forgalom mérés, elemzés és modellezés
2A hálózati technológiák és alkalmazások rohamos fejlődésének, valamint a felhasználói igények folyamatos változásának következtében a jelenlegi és a jövő hálózatai (pl. 5G) számos eddig még nem ismert tulajdonságokkal rendelkeznek/fognak rendelkezni. Ezen jellemzők feltárására hálózati méréseket és szimulációkat szoktak alkalmazni. A hallgatók konkrét feladata a témavezetővel való egyeztetés során alakul ki és a hallgató választhat az alábbi tématerületek közül: (1) forgalom mérési eljárások használata, hálózati mérési feladatok elvégzése, (2) hálózati szimulációs feladatok elvégzése az ns2/ns3 szimulátorral, (3) bekapcsolódás hálózatfejlesztési kutatásokba, (4) a hallgató által javasolt téma. A téma folytatása több féléven keresztül, BSc/MSc szakdolgozat, TDK és PhD képzés keretében is támogatott.29/08/2017 13:09:38
22
Varga Dániel
Rényi Alfréd Matematikai Kutatóintézet
daniel@mokk.bme.hu
Mély neuronháló alapú generatív modellek
1A generatív modellezés feladata tetszőleges valószínűségeloszlások gépi tanulása minták alapján. A képfeldolgozás területéről választva példát: a generatív modell nagyszámú, arcot ábrázoló fénykép feldolgozása után képes új, addig nem létező arcot ábrázoló kép megrajzolására. A deep learning az elmúlt években egyeduralkodóvá vált eszköz ennek a feladatnak a megoldására, de az aktív kutatások tárgya, hogy mely deep learning architektúrák (pl. variational autoencoder, generative adversarial network, és nagyszámú változatuk) a legalkalmasabbak ilyen típusú problémák megoldására. A laborgyakorlat során különbőző változatait implementáljuk ezeknek a rendszereknek python/tensorflow/keras szoftverkörnyezetben, majd képi- és szintetikus adathalmazokon kvantitatíve értékeljük ki a tanulási képességüket a Rényi Intézet nagyteljesítményű GPU-klaszterén.

Előismeretek: lineáris algebra, analízis és valószínűségszámítás alapjai, python programozás.
30/08/2017 21:22:02
23
Dr. Láng Orsolya
Semmelweis Egyetem, Genetikai, Sejt- és Immunbiológiai Intézet
langorsi@gmail.com
Fluktuáció analízis - Impedimetriai vizsgálatok során regisztrált biológiai és háttér zajok elkülönítése
1Az egészséges és tumoros sejtek vizsgálata során keletkező elektromos jelek Wavelet transformációt követő kiértékelése. Sejtek fiziológiás állapotának illetve biológiailag aktív anyagokkal (hormonok) történő kezelések hatásainak összehasonlító vizsgálata.
05/09/2017 10:55:51
24
Balázs FerencSmartMobileVision
ferenc.balazs@smartmobilevision.com
Omnidirekcionális kamerák kalibrálása
1
Az omnidirekcionális kamerák használata egyre szélesebb körben elterjedt. A legfőbb előnyük a széles látókörük, emiatt használják ezeket megfigyelésekre, követésre, vizuális navigációra, lokalizálásra és sok egyéb feladatra. Többféle omnidirekcionális kamera létezik, két fő osztályuk a centrális és nemcentrális. A legtöbb kalibrációs eljárás feltételezi, hogy centrális a rendszer, azonban ez csak bizonyos esetekben fordul elő. A feladat a különböző eljárások feltérképezése centrális és nemcentrális rendszerek esetén, illetve ezek összehasonlítása használhatóság, pontosság és számítási igény szempontjából.
10/09/2017 11:45:44
25
Daróczy BálintMTA SZTAKIdaroczyb@sztaki.huSpatiotemporal visual novelty1
Feed forward neural networks, as a special case of graphical models are capable of describing various type of data and especially successful in image categorization, regression or caption. As a student project: based on a professional graphic designer network, the student will reconstruct the timeline and the raw visual content of creative artworks with the underlying social network and generate both generative and discriminative models to identify novel elements in the network.
Requirements: basic knowledge of python (Jupyter notebooks) and some experience in NumPy, SciKit, TensorFlow or any graph propagation framework.
11/09/2017 20:40:27
26
Fukker GáborMagyar Nemzeti Bankfukk3r@gmail.com
Pénzügyi hálózatok és pénzügyi stabilitás
1
A 2008-as globális pénzügyi válság ráírányította a gazdaságkutatók és szabályozók figyelmét a pénzügyi rendszer magas szintű összekapcsoltságára. A szabályozói válasz a pénzügyi intézmények csődvalószínűségének csökkentésére többek között a tőkekövetelmények emelése volt, amely során figyelembe kell venni az egyes rendszerszinten fontos intézmények összekapcsoltságát. A hallgató feladata ezen kérdéskör vizsgálata a legfrissebb kutatási eredmények tükrében.

Szükséges előismeret: lineáris algebra, alapszintű valószínűségszámítás és analízis, MATLAB.
20/10/2017 20:24:46
27
Fukker GáborMagyar Nemzeti Bankfukk3r@gmail.comMakro-pénzügyi modellezés1
Az elmúlt években a gazdasági válság nyomán a közgazdaságtan általános egyensúlyi modelljeinek legfontosabb fejlődési iránya a pénzügyi rendszer modellezése volt. Ezen modellek alkalmasak lehetnek a pénzügyi szabályozói lépések hosszútávú makro-pénzügyi és reálgazdasági következményeinek elemzésére is. A hallgató feladata valamely egyszerűbb modell megértése a szakirodalom alapján és szimulációk futtatása. Szükséges programozási ismeret: MATLAB.
20/10/2017 20:48:40
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Loading...
 
 
 
Form responses 1