Mély gépi tanulás párhuzamos és elosztott környezetben

Projekt célja az elosztott gépi tanulási problémák vizsgálata és modellezése, továbbá a jelenlegi módszerek javítása vagy esetleges új módszertan kidolgozása egy adott gépi tanulási probléma esetén.

Publikációk

1 - 5 | 13
2026

Automated Classification of EQ-5D Literature in PubMed Using Multi-Phase Learning and LLM-Assisted Co-Training

Rostam, Zhyar Rzgar K; Péntek, Márta; Czere, János Tibor; Zrubka, Zsombor; Gulácsi, László; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

Comparative Analysis of Proximal Policy Optimization and Soft Actor-Critic Algorithms in a Procedurally Generated Dynamic Environment

Máté, Szabolcs Józsa; Balázs, Gáspár
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

Distributed GraphSAGE Training with DistDGL: A Multi-GPU Scalability Study

Attila, Farkas; Mátyás, Nagy; Gábor, Kertész
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

Latency, Memory, and Verifiable Spoken-Format Constraints in Local ASR–LLM–TTS Pipelines: An Open-Domain Factorial Evaluation

Gáspár, Balázs; Egres, Kata; Pintér, Ádám; Bringye, Zsolt; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább
2026

Massively parallel distributed fine-tuning of transformer-based language models

Farkas, Attila; Kertész, Gábor
Mély gépi tanulás párhuzamos és elosztott környezetben
Tovább
Tovább