Szakdolgozati és TDK feladatok

Feladatok gyorslistája

  1. Intézményi számítógépes hálózat forgalmának modellezése, jövőbeni forgalom becslése, és a hálózati struktúra ennek alapján történő újratervezése
  2. Órarendtervező alkalmazás fejlesztése
  3. Mesterséges immunrendszer algoritmusok
  4. Adatbázis replikációs módszerek összevetése
  5. Fuzzifikálási és defuzzifikálási módszerek megválasztásának valamint a következtetési paramétereknek a hatása különböző szabály-interpoláción alapuló fuzzy következtetési módszerek esetén
  6. Fuzzy szabály-interpolációs eljárásgyűjtemény fejlesztése C#-ban
  7. Fuzzy szabálybázist generáló szoftver fejlesztése C#-ban
  8. Fuzzy klaszterezést támogató szoftver fejlesztése C#-ban
  9. Hibrid (evolúciós-fuzzy vagy neuro-fuzzy) módszer kidolgozása fuzzy modell-identifikációra és a kapcsolódó szoftver implementálása C#-ban vagy Matlabban 

Intézményi számítógépes hálózat forgalmának modellezése, jövőbeni forgalom becslése, és a hálózati struktúra ennek alapján történő újratervezése. A forgalom előrejelzés fuzzy vagy neurális hálón alapuló megoldással valósítható meg.

  • Intézményi hálózati infrastruktúra bemutatása.
  • Forgalommérés
  • Forgalom előrejelzés
  • Újratervezés szükségességének megvizsgálása, újratervezés szükség esetén.

Órarendtervező alkalmazás fejlesztése

Egy iskola vagy tanszék órarendjének megtervezésére képes alkalmazás fejlesztése erős és gyenge kényszerek figyelembe vételével. Követelmények: grafikus felület (a megvalósítás lehet asztali vagy webes alkalmazás), különböző nézetek (diák/hallgatói, oktatói, intézményi), teremfoglaltság követése, teremfoglalás lehetősége eseti rendezvényekhez, különböző szerepkörök definiálása.

  • Irodalmi áttekintés a létező órarendtervezési megoldásokról.
  • Igények felmérése.
  • Adatbázis terv elkészítése.
  • Szoftver tervezése és implementálása.
  • Tesztelés.

Mesterséges immunrendszer (MIR) algoritmusok (Artificial Immune Systems)

TDK feladat, amiből később szakdolgogzat is készíthető.
MIR - az emberi immun rendszer működése által inspirált algoritmusok, amelyeket pl. adatbányászati, optimalizálási, minta felismerési, osztályozási, klaszterezési, idősor előrejelzési, behatolás érzékelési (számítógépes hálózatok) feladatok megoldására alkalmaztak sikeresen.

  • A feladat első része irodalomkutatás és feldolgozás jellegű: ismerkedés a MIR algoritmusok eredetével, céljaival, típusaival. A feldolgozandó irodalom angol nyelvű.
    Elvárt eredmény: egy áttekintő jellegű (TDK) dolgozat készítése október végéig, és egy cikk beküldése a következő FMTÜ-re (Fiatal Műszakiak Tudományos Ülésszaka). A rendezvényen történő részvétel támogatása megpályázható a Kari alapítványnál.
  • A feladat második része: néhány kiválasztott algoritmus implementálása C#, C++ vagy Matlab nyelven és tesztelésük mintafeladatokon.
  • A feladat harmadik része: a tapasztalatok alapján egy új algoritmus kidolgozása, implementálása, és tesztelése mintafeladatokon.
    Elvárt eredmény: az eredmények bemutatása TDK dolgozatban 2014-ben.

Bevezető diasor magyar nyelven [link]

A feladat megoldásához jó olvasási szintű angol nyelvismeret és legalább közepes programozási készségek szükségesek.

Adatbázis replikációs módszerek összevetése

Az adatbázis replikáció lehetővé teszi adatbázis objektumok (táblák, indexek, kód) másolatainak létrehozását és karbantartását elosztott környezetben. Ezáltal javítható az adatbázis alapú alkalmazás teljesítménye, és növelhető a rendelkezésre állás kiküszöbölve a hardverhibákból, szoftversérülésekből, stb. adódó szolgáltatáskimaradást.
Feladatpontok:

  • Adatbázis replikáció céljainak, feladatainak és típusainak áttekintése.
  • Adatbázis replikációs megoldások ismertetése (Oracle, PostgreSQL, stb.) és összevetése.
  • Új replikációs algoritmus kidolgozása és tesztelése.

Fuzzifikálási és defuzzifikálási módszerek megválasztásának valamint a következtetési paramétereknek a hatása különböző szabály-interpoláción alapuló fuzzy következtetési módszerek esetén

A feladat megoldásához a Matlab FRI ToolBox használata szükséges. Előnyös a Matlab felhasználói szintű és kis mértékben programozói szintű ismerete.
A fuzzy szabály-alapú következtetéssel dolgozó rendszerek működésének eredményességét jelentős  mértékben befolyásolhatja az, hogy hogyan választjuk meg a rendszer egyes paramétereit. A feladat megoldása során előre meghatározott mintafeladatok esetén kell kipróbálni számos futtatással, hogy az egyes paraméterek megválasztása milyen irányban módosíthatja az eredményeket. A cél azesetleges szabályosságok, általánosítási lehetőségek felismerése.

  • Fuzzy következtető rendszer (rövid általános áttekintés).
  • Fuzzifikálási módszerek áttekintése.
  • Defuzzifikálási módszerek áttekintése.
  • Ritka szabálybázis fogalma, következtetés ritka szabálybázisban.
  • A vizsgálatban részt vevő szabály-interpolációs módszerek ismertetése röviden.
  • A vizsgálat során alkalmazott modellek szabálybázisának ismertetése.
  • Futtatási eredmények ismertetése és értékelése.

 

Fuzzy szabály-interpolációs eljárásgyűjtemény fejlesztése C#-ban.

  • Ritka szabálybázis fogalma, következtetés ritka szabálybázisban.
  • Implementálni kívánt eljárások bemutatása.
  • Szoftver terv elkészítése.
  • Szoftver implementálása.
  • Alkalmazás tesztelése mintadatokkal.

Fuzzy szabálybázist generáló szoftver fejlesztése C#-ban

  • Szabálybázis kiterjesztés elvén alapuló módszer(ek) bemutatása.
  • Szoftver terv elkészítése.
  • Szoftver implementálása.
  • Alkalmazás tesztelése mintadatokkal.

Fuzzy klaszterezést támogató szoftver fejlesztése C#-ban

  • Fuzzy klaszterző módszer(ek) bemutatása.
  • Klaszter érvényességi mutatók áttekintése
  • Szoftver terv elkészítése.
  • Szoftver implementálása.
  • Alkalmazás tesztelése mintadatokkal.

Hibrid (evolúciós-fuzzy vagy neuro-fuzzy) módszer kidolgozása fuzzy modell-identifikációra és a kapcsolódó szoftver implementálása C#-ban vagy Matlabban

  • Módszer elméleti kidolgozása.
  • Szoftver fejlesztése.
  • Alkalmazás tesztelése mintaadatokkal.