Elektronikas un datorzinātņu institūts aicina RTU, LU un citu augstskolu studentus izstrādāt savus maģistra un bakalaura darbus, izmantojot institūta resursus un zinātnisko vadību.

Interesentiem lūgums rakstīt uz info@edi.lv vai zvanīt 67554500.

Maģistra un bakalaura darbu izpilde notiek atbilstošu zinātnisko darbinieku vadībā, tiek nodrošinātas iespējas teorētisko pētījumu un eksperimentālo izstrāžu veikšanai. Maģistra un bakalaura darbu veikšanu iespējams savienot ar strādāšanu institūtā!

Sīkāka informācija par noslēguma darbu izstrādi, praksi un darba uzsākšanu EDI.

Tēmas

Īpaši precīza notikumu laika mērīšana

  1. Superaugstas precizitātes (dažas pikosekundes) laika, laika-amplitūdas, laika sinhronizācijas u.c. mērīšanas sistēmas.

Tālizpēte un kosmosa datu apstrāde

  1. Hiperspektrālo attēlu apstrāde ar pielietojumiem objektu klasifikācijai, piemēram, mežu klasifikācija.
  2. Informācijas teorijas izmantošana hiperspektrālu attēlu objektu klasifikācijai.

Mašīnuztvere un mašīnmācīšānās

  1. Datorredzes un dziļās apmācības (mākslīgie neironu tīkli) pielietojums objektu atklāšanai, lokalizēšanai un segmentēšanai attēlos un video (1D, 2D, 3D). No teorijas šeit būs jāsaskaras ar attēlu apstrādi, mašīnmācīšanos, konvolūcijas neironu tīkliem, rekurentiem neironu tīkliem. Praksē tā būs neironu tīklu definēšana un trenēšana,  treniņa datu kopas gatavošana un ģenerēšana.
  2. Nemarķētu datu klāsterizācija ar mākslīgajiem neironu tīkliem jeb Dziļo Apmācību.
  3. Apmācības datu paplašināšana ar 3D datorgrafikas un simulācijas programmatūru un ģenerējošiem mākslīgajiem neironu tīkliem.
  4. Interpretējošā mākslīga intelekta sistēmu metodes, mākslīgā intelekta sistēmu (”melnā kaste”) lēmumu pieņemšanas izskaidrošana, izskaidrojošā mākslīgā intelekta lietojumprogrammatūra un metodes (funkcionālās, lokālās, strukturālās, perturbācijas, modulārās), interpretācijas un izskaidrošanas novērtējums.
  5. Datu kompresija ar mākslīgajiem neironu tīkliem jeb Dziļo Apmācību.
  6. Reāllaika RGB/IR datu sapludināšana (Realtime RGB/IR data fusion).
  7. Drona iekštelpu lokalizācijas algoritmu iegulta realizācija (Embedded implementation of drone indoor localization algorithms).
  8. Medicīnas attēlu automātiska iekrāsošana ar dziļās mašīnmācīšanās rīkiem – GAN, Stable Diffusion u.c. (Automatic staining of medical images with deep learning tools – GAN, Stable Diffusion, etc.).
  9. Medicīnas attēlu klasificēšana ar dziļajiem neironu tīkliem (Classification of medical images using deep neural networks).
  10. Enlargement of medical image datasets with image augmentation and generation methods – from Blender to Stable Diffusion.
  11. Federētās mašīn-mācīšanās algoritmi efektīvai sistēmu un komponentu modeļu veidošanai.
  12. Neironu tīklu implementācija vairākās ierīcēs ar ierobežotiem resursiem.
  13. Daļiņu sistēmas gāzu un šķidrumu fizikālajai simulācijai.
  14. Mašīnmācīšanās ar diferencējamās fizikas palīdzību.
  15. Dziļā mašīnmācīšanās programmu koda ģenerēšanai.
  16. Kombinatoriālā optimizācija ar grafu neironu tīkliem.

Robotika

  1. Datorredzes un industriālā robota pielietojumi dažāda veida industrijas u.c. procesu vadībā, cilvēka sekošanas sistēmas izveide, izmantojot industriālo robotu un kameru.
  2. Stimulētās mācīšanās pielietojumi industriālo un mobilo robotu vadībā.
  3. Mīkstu objektu manipulēšana ar robotu palīdzību.
  4. Gāzu un šķidrumu fizikālās simulācijas izmantošana robotikā.
  5. Bioloģiski iedvesmota navigācija mobilos robotos.

Signālu apstrāde un iegultais intelekts

  1. Ultra-platjoslas (UWB) signālu ģenerēšanas, reģistrēšanas, apstrādes metodes un shēmtehniskie risinājumi tuvdarbības UWB radara (“Through-wall imaging”, zemgarozas kartogrāfija, bezkontakta diagnostika, mazu objektu kustības detektēšana, antenas izvēle ultraplatjoslas signāla izstarošanai ar triecienimpulsa metodi u.c.) u.c. pielietojumiem. Dažādu avotu (radiolokācijas, medicīnas, sporta, sociālo u.c.) signālu apstrāde, izmantojot Karhunen-Loeve metodi.
  2. Ultra-wideband radar tomograph: a study of the internal structure of a 100-year old oak.
  3. Impulsu ģenerēšana ar amplitūdu no volta daļām līdz tūkstoš voltiem un fronti no simts pikosekundēm līdz vairākām nanosekundēm.
  4. Cilvēka ķermenis kā datu pārraides vide: eksperimentāli mērījumi par elektriskā lauka un magnētiskā lauka izplatīšanos pa cilvēka ķermeni.
  5. Linux rutīnas darbību paātrināšana, pielietojot programmējamos loģikas masīvus (Linux routine operation acceleration using FPGAs).
  6. Pielietojum-specifiska integrēta procesora izstrāde attēlu apstrādes uzdevumiem jeb “Application-specific integrated processor design for image processing -related tasks”.
  7. Nulles-zināšanu protokolu pielietojumi (Applications of zero-knowledge protocols).

Viedie sensori un lietu internets

  1. Bioimpedances mērījumu iegūšana un izmantošana informācijas iegūšanai par cilvēku sirdsdarbības, elpošanas, un citu parametriem.
  2. Bezvadu sensoru tīklu un IoT attīstība dzīves kvalitātes uzlabošana (t.sk. cilvēkiem ar īpašām vajadzībām), viedā māja, viedā klase, viedā laboratorija, dzīves vides uzlabojumi un/vai industriālo iekārtu veiktspējas uzlabošanai (Industry 4.0).
  3. Cilvēku aktivitāšu noteikšana, izmantojot valkājamās ierīces, kas aprīkotas ar akselerometru un citiem sensoriem, un/vai infrastruktūras sensorus, piemēram, stacionāras WiFi vai IEEE 802.15.4 ierīces.
  4. Protokoli (BLE, IEEE 802.15.4, LoRa u.c.) zemas jaudas bezvadu tīkliem ar lielu mezglu skaitu un blīvu izvietojumu.
  5. Pašbraucošo automobiļu projektēšana un izstrāde – MPC (Model Predictive Control) kontroliera izstrāde, domēnspecifiskas pašbraucoša auto manevru aprakstīšanas valodas realizācija, apkārtnes 3D point-cloud kartes efektīva izveidošana no Lidar, GPS un videokameras datiem.
  6. Drona orientācijas telpā noteikšana, izmantojot optisko sensoru.
  7. Valkājami sensori veselības aprūpē. Pētīt valkājamo sensoru pielietošanu vitālo parametru (sirds ritma, asinsspiediena, skābekļa piesātinājuma) monitorēšanai un salīdzināt tos ar tradicionālajām medicīniskajām ierīcēm.
  8. Valkājami sensori sportā. Apskatīt valkājamu sensoru pielietošanu atlētiskās veiktspējas novērtēšanai (ātrums, attālums, slodze, nogurums). Pētīt, kā šie sensori var tikt izmantoti, lai izvairītos no traumām vai lai optimizētu treniņu plānus.
  9. Valkājami sensori cilvēka-datora saskarnēs. Pētīt, kā valkājami sensori var tikt izmantoti, lai noteiktu lietotāja žestus, sejas izteiksmes un citas neverbālas vadības norādes.

Kiberdrošība

  1. SS7 ievainojamību ekspluatēšanas izmaksu analīze un praktiskā iespējamība.
  2. Sociālās inženierijas uzbrukumi e-Paraksta lietotājiem un rekomendācijas to mazināšanai.
  3. Mājas/biroja signalizāciju noturība pret fiziskiem uzbrukumiem.

Elektronikas un datorzinātņu institūts ir valsts zinātniska institūcija, kas nodarbojas ar pētniecisku darbu elektronikas, signālu apstrādes, telekomunikāciju un datorzinātnes jomās, veic zinātņietilpīgu elektronisko iekārtu un programmnodrošinājuma izstrādi, pielietojot mūsdienīgas tehnoloģijas un risinājumus. Atbilstoši noslēgtiem sadarbības līgumiem ar RTU, LU un VeA institūts ir šo augstskolu pētniecības bāze, un tā darbiniekiem ir līdzvērtīgas tiesības un pienākumi akadēmisko darbu vadīšanā. Institūta darbība balstās uz dažādu Latvijas, Eiropas Komisijas, Eiropas struktūrfondu u.c. avotu finansētu projektu izpildi, kuros izvirzītiem uzdevumiem tiek rasti oriģināli risinājumi.