Sztochasztikus rendszerek és adatmodellezés
Adat analitika • Adatillesztés • Anomália detektálás • Folyadékmodellek • Markov láncok • Mátrix-analitikus módszerek • Mean-field modellek • MU-MIMO • Pénzügyi adatsorok • Sorbanállásos rendszerek • Szenzor hálózatok • Teljesítményanalízis
Telek Miklós
egyetemi tanár
I.L.117
(+36) 1 463-2084
Levendovszky János
egyetemi tanár
I.B.129.
(+36) 1 463-3547
A kutatócsoport tagjai:
Telek Miklós
egyetemi tanár
Levendovszky János
egyetemi tanár
Horváth Gábor
egyetemi tanár, tanszékvezető helyettes
Mészáros András Gergely
egyetemi adjunktus
Horváth Illés Antal
óraadó
A kutatócsoport tevékenysége:
Informatikai rendszerek és kommunikációs hálózatok modellezése sztochasztikus folyamatokkal, elsősorban Markov láncokkal, folyadékmodellekkel, hozammodellekkel, illetve mean-field modellekkel. Nagy méretű, szabályos struktúrával rendelkező Markov láncok hatékony numerikus megoldása. Nagy eltérések elmélete. Numerikus inverz Laplace transzformáció. Adatok modellezése fázis típusú folyamatok illesztésével, Markovi érkezési folyamatokkal. Főbb alkalmazási területek (ipari tapasztalattal): távközlési rendszerek teljesítmény analízise, hatékony útvonalválasztás szenzor hálózatokban, pénzügyi és IoT adatsorok modellezése, anomáliadetekció.
Eredmények:
- Sztochasztikus modellezésen alapuló méretező és teljesítményelemző algoritmusokat fejlesztettünk 2G, 3G és 4G hálózatok rádiós hozzáférői hálózatához, melyet a Nokia beépített termékébe
- Új algoritmust fejlesztettünk a Nokia - Bell Labs megbízásából hálózati eszközök adatsoraiból származó anomáliák detektálására. Az eljárás elnyerte a Pro Progressio Alapítvány Innovációs Nagydíját, az IT Business Innovációs Díját, az eljárást is felhasználó termék pedig az 5G World Summit "Most Innovative Artificial Intelligence or Machine Learning Technology for the Network" díját
- Gyors és numerikusan stabil algoritmusokat fejlesztettünk többosztályos, nem-Markovi sorbanállásos rendszerek vizsgálatához
- Analitikus eredményt adtunk a V2V információterjedés sebességére, autópálya környezetben
- Hatékony MU-MIMO kommunikációs rendszerek fejlesztése.
- Laplace transzformációt nagyon sok mérnöki területen használnak, de az inverz transzformáció közismerten nehéz feladat. Az általunk publikált, koncentrált mátrix exponenciális függvényekre építő eljárás a jelenleg létező legjobb algoritmus erre a célra
A közelmúlt projektjei:
OKTA • MILAB • MTA TKI (Informatikai rendszerek kutatócsoport)
Nemzetközi kapcsolatok:
TU Dortmund • Universita di Torino • University of Antwerp
Vállalati partnerek:
Nokia - Bell Labs • Ericsson