Tematikos pavadinimas |
Galimi moksliniai vadovai |
Finansavimo šaltinis |
Generatyvinio priešinio metodo taikymas naujumo detektavimui vienos klasės uždaviniuose
|
doc. dr. Arūnas Lipnickas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Su vienos klasės naujumo aptikimo problema susiduriama daugelyje sričių. Tai labai panašus uždavinys, kaip broko ar defekto atpažinimas, kur reikia identifikuoti pažeistus, defektuotus pavyzdžius duomenų rinkiniuose, turint tik „gerų“ pavyzdžių rinkinius.
GAN tinklai randa vis daugiau savo pritaikymo sferų, kadangi jiems reikia mažiau pradinių duomenų apmokymui, palyginus su dirbtiniu intelektu paremtomis sistemomis. Šio darbo tikslas yra nustatyti GAN tinklo galimybes atpažinti paviršiaus rašto defektą esant ribotam defekto mokymo pavyzdžių kiekiui.
|
Generatyvinių metodų taikymas virtualiosios realybės mokymosi objektų kūrimui |
prof. dr. Tomas Blažauskas |
valstybės finansuojama |
Glikemijos intensyviojoje terapijoje kontrolės bei rizikų prognozavimo metodas
|
prof. dr. Rytis Maskeliūnas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Tyrimu siekiama sukurti dirbtiniu intelektu paremtą sistemą taikytiną glikemijos korekcijai LSMU intensyviosios terapijos klinikoje gydomiems pacientams, siekiant optimaliai kontroliuoti pacientų glikemiją bei prognozuoti rizikas, susijusias su insulino dozavimu. Pagrindinis tikslas yra sukurti metodą, kuris naudodamas glikemijos matavimus ir kitus klinikinius duomenis, automatiškai nustatytų optimalų insulino kiekį, siekiant palaikyti glikemiją žemiau nei 10 mmol/l. Metodas potencialiai "mokytųsi" iš ankstesnių paciento reakcijų į insulino dozes, individualizuojant terapinį planą. Be to, DI būtų apmokomas prognozuoti hipoglikemijos riziką, užtikrinant, kad glikemijos kontrolė būtų efektyvi, tačiau minimalizuojant pavojų dėl hipoglikemijų. Toks taikymas ne tik pagerintų pacientų gyvenimo kokybę, išeitis, bet ir sumažintų sveikatos priežiūros išlaidas, optimizuodama glikemijos kontrolės procesą.
|
Greitai judančių neapibrėžtos formos objektų klasifikavimo metodai
|
doc. dr. Armantas Ostreika |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Taikant dirbtinio intelekto (DI) algoritmus, svarbu tinkamai parinkti kriterijus, apjungiančius esmines nagrinėjamo objekto ar reiškinio savybes, ir, tokiu būdu, sudaryti tinkamą kriterijų/parametrų modelį, leisiantį nedviprasmiškai identifikuoti objekto būsenų pasikeitimus bei juos klasifikuoti. Kompiuterinės regos (KR) uždaviniuose tokių modelių sudarymas nėra trivialus uždavinys, nes vaizdinė informacija pasižymi milžiniška įvairove, be to, ji kinta dinamiškai. Tinkamai sudaryti ir realizuoti tokie modeliai pasitarnauja aukšto lygio sprendimų priėmimui, panaudojant skaitmeninių vaizdų ar įrašų duomenis. Čia siekiama automatizuoti užduotis, kurias galėtų atlikti tik žmogus. KR sistemos yra naudojamos daugelyje sričių, įskaitant gamybos, medicinos, eismo stebėjimo, apsaugos sistemas ir kt. DI algoritmai šiuo atveju yra neatsiejama kompiuterinės regos uždavinių sprendimo dalis.
Siūlomoje tematikoje bus siekiama pagerinti esamas bendras metodikas orientuojantis į konkrečius gamybinius realaus pasaulio procesus, siekiant gauti didesnį efektyvumą bei patikimumą, adaptuojant bei tobulinant skaitmeninių vaizdų gavimo, apdorojimo, analizės ir interpretavimo metodus; mašininio mokymosi bei DI metodus, apimančius konvoliucinius neuroninius tinklus, hibridinius konvoliucinių tinklų modelius, realaus laiko objektų aptikimo algoritmus (YOLO), autoregresiniais kalbos modeliais patremtus metodus (GPT-3) ir kt.
Orientuojantis į realius teikiamų paslaugų bei gamybinių procesų pavyzdžius, bus siekiama sukurtus modelius ir metodikas pritaikyti bei ištestuoti praktikoje. Taikymo pavyzdžiais gali būti KR sistemos išmatuojančios ir skaičiuojančios gaminius arba ruošinius, įvertinančios jų svorį, formą arba apimtį ir tikrinančios objektus dideliu greičiu, atsižvelgiant į jų iš anksto nustatytas charakteristikas.
Šiame tyrime tikimasi, kad bus tobulinamos esamos metodikos ir įdiegtos naujos mokslinių tyrimų idėjos, pagrįstos dirbtinio intelekto bei naujomis euristikos metodikomis.
|
Hibridinio optimizavimo metodo sukūrimas AI infrastruktūrai naudojant funkcionalus
|
prof. dr. Renaldas Urniežius |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šioje temoje doktorantas kurs hibridinius metodus AI infrastruktūros optimizavimui (pvz., Mobile NET-SSD, Yolo ir kitų) , kas leis pagerint esamos infrastruktūros efektyvumą tiek mokymo, tiek greitaveikos, tiek ir infrastruktūros parametrų kiekio atžvilgiu. Uždaviniai apims hibridinio metodo sukūrimą, funkcionalų suliejimo uždavinio sprendimą, ir praktinį validavimą su pasirinkta praktine sistema.
|
Informacijos integravimui ir sveikatos apsaugai skirtų išmaniųjų sistemų sudarymas ir efektyvumo tyrimas
|
prof. dr. Robertas Alzbutas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šio tyrimo tikslas yra informacijos integravimo priemonių ir sveikatos apsaugai skirtų išmaniųjų sistemų efektyvaus taikymo metodikos sukūrimas.
Uždaviniai:
1. Apžvelgti ir palyginti informacijos integravimo metodų ir algoritmų bei susijusių programinių priemonių ir sveikatos apsaugai skirtų išmaniųjų sistemų taikymo galimybes.
2. Apibrėžti informacijos integravimo ir išmaniųjų sistemų efektyvumo kriterijus bei jų vertinimo procedūras, nagrinėjant sveikatos apsaugoje aktualius duomenis.
3. Išplėtoti ir pademonstruoti tas informacijos integravimo priemones, kurių taikymas padidina greitaveiką ir/ar sumažina skaičiavimo resursų vartojimą.
4. Atlikti sveikatos apsaugai skirtų išmaniųjų sistemų bandomuosius tyrimus ir sudaryti šių sistemų efektyvaus taikymo metodiką.
Šie moksliniai tyrimai leis išplėtoti tokias modeliavimo ir duomenų analitikos priemones bei jų taikymo metodiką, kurie sudarys sąlygas atlikti greitesnę duomenų sintezę, mažiau resursų naudojantį sprendimų priėmimą ir sveikatos apsaugai skirtų išmaniųjų sistemų (pvz. sveikatos monitoringui skirtos aprangos) efektyvesnį taikymą.
Detalesnės informacijos teirautis tematikos mokslinio vadovo.
|
Signalų apdorojimas ir mašininis mokymasis baterijos heterogeninio senėjimo monitoringui ir rizikos analizei
|
prof. dr. Robertas Alzbutas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Tikslesniam baterijos įkrovimo būsenos (SOC) ir baterijos sveikatos būsenos (SOH) įvertinimui, taip pat įkrovimo ciklų ir bendro baterijos naudojimo optimizavimui galėtų būti naudingi tokie sprendimų palaikymo įrankiai, kurie geriau (greičiau ir tiksliau) panaudoja ir transformuoja signalus gaunamus iš baterijų valdymo sistemos (BMS).
Tyrimo tikslas – sukurti metodą ir sistemą, naudojamus BMS palaikymui, galinčią autonomiškai stebėti heterogeniškai senėjančios baterijos SOH ir įvertinti įvairių tipų gedimų riziką bei teikti lengvai interpretuojamas rekomendacijas ir sprendimus dėl baterijos naudojimo.
Uždaviniai ir laukiami rezultatai:
1. Duomenų rinkimas ir mašininio mokymosi modelių ar giliųjų neuroninių tinklų architektūrų kūrimas SOH stebėsenai (identifikavimui, apibūdinimui ir klasifikavimui) bei duomenų heterogeniškumo ir priklausomybės nuo laiko nagrinėjimui.
2. Sukurtų modelių ir rizikos analizės metodo taikymas bei testavimas įvairių duomenų atvejų (pvz. anotuotų BMS duomenų imties), atsižvelgiant į duomenų transformacijos optimizavimo ir kalibravimo rezultatus.
3. Programinės įrangos kūrimas, skirtas SOH stebėsenos giliajam mokymuisi, atsižvelgiant į duomenų heterogeniškumą ir rizikos analizę. Programinė įranga bus išleista pagal GNU bendrąją viešąją licenciją, kurią galės naudoti suinteresuotos įmonės.
Detalesnės informacijos apie tematiką ir susijusius MTEPI darbus teirautis vadovo.
|
Smegenų ir kompiuterių sąsajos (BCI) sistemų tobulinimas naudojant hibridines EEG ir virtualiosios realybės (VR) platformas
|
prof. dr. Robertas Damaševičius |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šiuo projektu siekiama integruoti elektroencefalografiją (EEG) ir virtualią realybę (VR) į smegenų ir kompiuterių sąsajos (BCI) sistemą, skirtą pacientų būklės stebėjimui ir medicininei reabilitacijai. Sukūrus patikimus EEG duomenų interpretavimo algoritmus, siekiama geriau suprasti ir panaudoti smegenų signalus įvairiems praktiniams taikymams.
|
Smegenų vėžio atpažinimo ir MRI vaizdų segmentavimo gerinimas naudojant vaizdų transformerius ir aiškintiną dirbtinį intelektą
|
prof. dr. Robertas Damaševičius |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šioje tematikoje aprašomas Vaizdo transformerių (ViT) panaudojimo smegenų auglių atpažinimui ir magnetinio rezonanso tomografijos (MRT) vaizdų segmentavimui tyrimas. Tematika apima ViT modelių kūrimą specialiai smegenų auglių atpažinimui ir MRT segmentavimui, jų našumo įvertinimą lyginant su kitais dabartiniais giluminio mokymosi metodais ir jų apibendrinimą įvairiems duomenų rinkiniams. Tyrimo tikslas – panaudoti paaiškinamus DI metodus, kad būtų paaiškintas ViT sprendimų priėmimo procesas. Tai apima DI vizualizacijos metodų kūrimą, kad būtų parodyti modelio išmokti požymiai ir sprendimų būdai.
|
Virtualiosios realybės ir taktilinių technologijų panaudojimo mokymuisi ir valdymui tyrimas |
prof. dr. Tomas Blažauskas |
valstybės finansuojama |
Žemos rezoliucijos miško taškų debesies segmentavimo metodas miško inventorizacijai atlikti
|
prof. dr. Rytis Maskeliūnas |
valstybės finansuojama |
Tyrimų tematikos aprašas.
Šia tema siekiama sukurti naujovišką mažos skiriamosios gebos miško taškų debesų segmentavimo metodą, skirtą miškų inventorizacijai. Pagrindinis tikslas - sukurti patikimą ir prie duomenų kokybės prisitaikantį algoritmą, kuris veiksmingai spręstų mažos skiriamosios gebos taškų debesų duomenų keliamus uždavinius ir leistų tiksliai identifikuoti ir segmentuoti atskirus elementus sudėtingoje miško aplinkoje. Temoja rekomenduotina nagrinėti gilųjį mokymąsi, LiDAR ir potencialiai duomenų sintezę su daugiaspektriais vaizdais, siekiant ne tik padidinti medžių identifikavimo ir biomasės įvertinimo tikslumą, bet ir potencialiai palengvinti visapusišką miškų valdymą. Be to, tyrimu siekiama optimizuoti skaičiavimo efektyvumą, užtikrinant pritaikomumą didelio masto miškingose teritorijose. Įgyvendinant šiuos tikslus, šiuo novatorišku metodu potencialiai siekiama sukurti naują miškų inventorizavimo metodikos etaloną, skatinant tvarią miškininkystės praktiką.
|
Žmogaus emocijų atpažinimas naudojant hibridinę smegenų–kompiuterio sąsają (BCI) ir raumenų–kompiuterio sąsają (MCI)
|
prof. dr. Robertas Damaševičius |
valstybės finansuojama |
Tyrimų tematikos aprašas.
This PhD topic is offered by the European Doctoral Network for Neural Prostheses and Brain Research (DONUT). The aim of the topic is to develop and explore the methods necessary for the recognition of externally expressive emotions (positive, neutral, negative) by using a hybrid neuronal (EEG and EMG) interface.
More information about the topic, admission requirements and selection process is available at https://euraxess.ec.europa.eu/jobs/186013
The length of doctoral studies under this topic is three years. Start of studies is 1st September, 2024.
Candidates to this topic shall meet eligibility criteria specified in the offer and undergo two stages of selection process:
1 stage. Send all required documents to dc9@donut-project.eu till 31 March, 2024.
2 stage. The candidates selected by a project’s recruitment committee shall apply to KTU and upload all necessary documents following the confirmed deadlines
|