Projektfeladat
A projektben vállalt feladatai elsősorban az automatizált előrejelző rendszerekben használt napló formátumok gyakorlati megvalósíthatóságához, megfelelő adatforrásokhoz és a mesterséges neurális hálózatokhoz kapcsolódnak. A mesterséges intelligencián alapuló informatikai rendszerek egyik kulcskérdése a megfelelő adathalmaz, hiszen ez teszi lehetővé a ráépülő folyamatok, a tanuló algoritmusok tervezését, a megfelelő betanulást. A kutatómunka során számos formátum került megvalósításra, amelyekből egy általános, futásidejű leíró séma készülhet. Egy minta adathalmaz generáló online keretrendszer került tervezésre és implementálásra, amely nagymértékben segíti a neurális hálózat modelljének kidolgozását. A szoftver környezet, a futtató rendszerek és egyéb fejlesztési feladatok ellátása.
Publikációk / Publications
1. Mileff Péter (2022), MLP-alapú elemi esemény előrejelzés, Elemző és robotizált folyamatautomatizálási rendszer fejlesztése nagy terhelésű ügyfélszolgálatok számára : Kutatási jelentések 2022/1. Miskolc-Egyetemváros, Miskolci Egyetemi Kiadó, pp. 88-106, 2022.
2. Mileff Péter (2022), Eseménynaplók a gyakorlatban, Elemző és robotizált folyamatautomatizálási rendszer fejlesztése nagy terhelésű ügyfélszolgálatok számára : Kutatási jelentések 2022/1. Miskolc-Egyetemváros, Miskolci Egyetemi Kiadó, pp. 39-56, 2022.
3. Mileff Péter (2022), Felhasználói tevékenységek monitorozása, Elemző és robotizált folyamatautomatizálási rendszer fejlesztése nagy terhelésű ügyfélszolgálatok számára : Kutatási jelentések 2022/1. Miskolc-Egyetemváros, Miskolci Egyetemi Kiadó, pp. 9-23, 2022.
4. L. Kovács, E. Baksáné Varga, P. Mileff: "Process Mining of Parallel Sequences with Neural Network Technologies", 16th Int. Conference on Interdisciplinarity in Engineering (INTER-ENG 2022), U.M.F.S.T. Târgu Mureş, Romania (2022)
5. L. Kovács, P. Mileff, E. Baksáné Varga: "Prediction of Complex Event Graphs with Neural Networks", submitted to Journal of Computer Science and Technology, Artificial Intelligence and Pattern Recognition