Vezetők: Dr. Oláh András, Dr. Tornai Kálmán
Tagok: Daubner Lóránt, Halász András, Németh Dániel, Tihanyi Attila, Üveges Bálint
Kapcsolat: olah.andras@itk.ppke.hu , tornai.kalman@itk.ppke.hu
Kutatásaink a szenzoros mobilplatformokból, vezeték nélküli szenzorhálózatokból és komplex informatikai rendszerekből származó idősoros adatok feldolgozására fókuszálnak. Mesterséges intelligencia- és gépi tanulási módszereket fejlesztünk felhasználóazonosításra, anomáliadetektálásra, intelligens energetikai alkalmazásokra és adatvezérelt döntéstámogatásra.
A Mobile Application Development labor 2011-ben jött létre. A laborban Android és iOS mobilplatformokon, valamint beépített és külső szenzorok segítségével vizsgáljuk, hogyan használhatók a mobil eszközök mérései a felhasználók viselkedésalapú, soft-biometrikus azonosítására.Kiemelt kutatási irányunk a nyílt halmaz alapú felismerés, amely lehetővé teszi, hogy a rendszer ne csak az ismert felhasználókat vagy mintázatokat azonosítsa, hanem felismerje az ismeretlen, korábban nem látott viselkedéseket is. Az így kidolgozott módszerek a mobilos biometrikus azonosításon túl okos energetikai rendszerekben, smart plug-alapú fogyasztófelismerésben, valamint valós idejű naplóadatok anomáliadetektálásában is alkalmazhatók.
A labor a vezeték nélküli szenzorhálózatok ipari és környezeti alkalmazásait is kutatja. Vizsgáljuk a veszélyes jelenségeket produkáló környezetek – például erdőtüzek – monitorozására alkalmas, ellenálló kommunikációs megoldásokat, valamint a szenzorhálózatok szerepét precíziós mezőgazdasági feladatokban, például szőlőültetvények monitorozásában.
A kutatócsoport célja robusztus, gyakorlati környezetben is használható AI/ML alapú megoldások kidolgozása, amelyek támogatják a fizikai és digitális rendszerek biztonságosabb, hatékonyabb és intelligensebb működését.
Az IMU szenzorok jelein végrehajtott nyílt halmaz alapú felismerés munkafolyamatának illusztrációja mobil telefonok esetén. A bemutatott eljárás képes az ismert felhasználókat felismerni, valamint megkülönböztetni őket az ismeretlen (a tanítási folyamat során nem ismert) felhasználók viselkedési mintáitól.
Jövőbeli kutatási irányok, együttműködési lehetőségek
A kutatócsoport szakmai és kutatási együttműködést kínál szenzoradat-feldolgozás, mobilplatformok, nyílt halmaz alapú felismerés és anomáliadetektálás területén. Partnerekkel közös K+F projektekben, ipari alkalmazások fejlesztésében és hazai, illetve nemzetközi pályázatok előkészítésében működünk együtt.
Fontosabb publikációk
- Halasz, A. P., Al-Hemeary, N., Daubner, L., Juhasz, J., Zsedrovits, .T., Tornai, K. (2025). Adapting a Previously Proposed Open-Set Recognition Method for Time-Series Data: A Biometric User Identification Case Study. Electronics (Switzerland), 14(20), 3983.
- Németh, D. I., Tornai, K. (2025). Hybrid ILM–NILM Smart Plug system. International Journal of Electrical Power and Energy Systems, 173 Paper: 111395.
- Üveges, B. Á. and Oláh, A. (2025). Resilient Multi-Sink, Multipath Routing for Mobility-Limited Wireless Sensor Networks in Hostile Event Monitoring. IEEE Access, vol.13, pp.107386-107409.
