Gépi tanulás algoritmusainak átfogó tesztelése

Cél: gépi tanulás és mesterséges intelligencia alap-, és alkalmazott kutatási algoritmusainak átfogó tesztelése.

- Információelméleti és statisztikai integrált tanuló algoritmus mértékek

- Adaptív, hibrid jellemzőválogatás (AHFS)

- Megerősítéses tanulás ipari kiterjesztése, adaptálása

- Megerősítéses tanulás kiterjesztése önvezető, driftelő járműre

- Outlier detektálás hiányos adatokkal

- Input-output modellstruktúra keresés

Publikációk

1 - 5 | 7
2025

A Machine-Learning-Based Analysis of Resting State Electroencephalogram Signals to Identify Latent Schizotypal and Bipolar Development in Healthy University Students

Gubics, F; Nagy, Á; Dombi, J; Pálfi, A; Szabó, Z; Viharos, Zs J; Hoang, A T; Bilicki, V; Szendi, I
Gépi tanulás algoritmusainak átfogó tesztelése
Tovább
Tovább
2025

Model Input-Output Configuration Search with Embedded Feature Selection for Sensor Time-series and Image Classification

Hoang, Anh Tuan; Viharos, Zsolt János
Gépi tanulás algoritmusainak átfogó tesztelése
Tovább
Tovább
2025

The two ends of the spectrum: comparing chronic schizophrenia and premorbid latent schizotypy by actigraphy

László, Sz; Nagy, Á; Dombi, J; Hompoth, E A; Rudics, E; Szabó, Z; Dér, A; Búzás, A; Viharos, Zs J; Hoang, A T et al.
Gépi tanulás algoritmusainak átfogó tesztelése
Tovább
Tovább
2024

Model Input-Output Configuration Search with Embedded Feature Selection for Classification

Zsolt János Viharos; Anh Tuan Hoang
Gépi tanulás algoritmusainak átfogó tesztelése
Tovább
Tovább
2023

IDENAS: Internal Dependency Exploration for Neural Architecture Search

Anh Tuan Hoang; Zsolt János Viharos
Gépi tanulás algoritmusainak átfogó tesztelése
Tovább
Tovább