פרויקטי גמר - הנדסת מחשבים - המעבדה לרשתות וחישוב תשפ"ג
|
601 Cooperative multi-agent learningand control of drones traffic פיתוח אלגוריתם יעיל ללמידה מרובת סוכנים לניהול תעבורת רחפניםשם המנחה: לי רביב הרקע לפרויקט: הפרויקט המוצע יעסוק בלמידה שיתופית מרובת סוכנים ומבוססת חיזוקים לצורך ניהול של תעבורה של רחפנים בסביבה עירונית צפופה בקנה מידה גדול (אלפים ועשרות אליפים לתא שטח מצומצם). לצורך כך הפרויקט המוצע יכלול פיתוח סימולצית זירה של אלפי רחפנים הנעים כל אח עם יעד מוגדר ופיתוח אלגוריתם למידה מרובת סוכנים להתנהגות של כל רחפן בודד בסביבה של אלפי רחפנים אחרים. מטרת הפרויקט:
תכולת הפרויקט: אלגוריתמים, רשתות תקשורת ואינטרנט קורסי קדם: רצויה הכרה של למידה מבוססת חיזוקים ו/או תהליכי החלטה מרקובים מקורות:
|
|
602 Comparing Between different genetic networks using SCC computation אלגוריתמים סימבוליים להשוואה בין רשתות גנטיות שונות באמצעות חישוב רכיבים קשירים חזקיםשם המנחה: Eitan Tannenbaum הרקע לפרויקט: רשתות גנטיות חישוביות מאפשרות לתאר דינמיקה של רשתות גנטיות בתאים וכך להסביר תצפיות ניסיוניות ולנבא תוצאות של ניסיונות שעדיין לא בוצעו. לעיתים קרובות יש מספר השערות שונות לרשת גנטית. מטרת הפרויקט: בפרויקט נשתמש בחישוב של רכיבים קשירים כדי להשוות בין רשתות שונות ולהציע מדידות שיוכלו להבחין בין הרשתות. תכולת הפרויקט: במהלך הפרויקט הסטודנטים ילמדו מהם מהן רשתות גנטיות ואיך ניתן להשתמש ברשתות בוליאניות לתאר אותן. כמו כן ילמדו על אלגוריתמים סימבוליים למציאת רכיבים קשירים חזקים ויפתחו קוד יעיל ושיפורים הנדסיים לאפשר לאלגוריתם לפעול עבור גרפים גדולים ועבור אנסמבלים של גרפים והשוואות בין רשתות שונות. נפתח גישות כדי להציע מדידות שיוכלו להבחין בין הרשתות. קורסי קדם:
דרישות נוספות: יכולת תכנות טובה מקורות:
|
|
603 Probabilistic process mining כריית תהליכים הסתברותיתשם המנחה: ד"ר איציק כהן הרקע לפרויקט: בשנים האחרונות הסביבה מוצפת בסנסורים שונים כגון מצלמות המספקים מידע על הקורה בה. במקביל מתפתחות טכניקות למידת מכונה ולמידת תהליכים שמטרתן ללמוד על הקורה בסביבה על בסיס המידע המתקבל מסנסורים אלו. טכנולוגיות אלו עדיין מוגבלות בדיוק שלהן וביכולת שלהן לעבד קלט ארוך. בפרויקט זה ייעשה שימוש בטכניקות למידת תהליכים אשר מניחות שהנתונים מתקבלים מתהליך כדי לבחון שיטות שונות לשיפור דיוק ולעיבוד קלט ארוך יותר של תהליכים. מטרת הפרויקט: מטרת הפרויקט ללמוד תהליך בצורה יעילה על בסיס קלט הסתברותי המתקבל מסנסורים כגון מצלמת וידאו. התוצר הסופי יקבל קלט וידאו ויעשה קלסיפיקציה אוטומטית שלו לסוג התהלך שהתבצע בוידאו. תכולת הפרויקט: למידת הנושא וסקר ספרות, השלב העיקרי כולל הפעלת ובחינת אלגוריתמי למידת וכריית נתונים, התנסות עם פונקציות אקטיבציה שונות, מיפוי תוצאות, כתיבת דוח סופי קורסי קדם: מידול כריית תהליכים (ניתן בסמסטר ב) דרישות נוספות: קורסים בנושא למידת מכונה ,פייתון מקורות: |
|
604 Adversarial Attack on Neural-Networks-based models for Object Detection and Segmentation התקפות על מודלים של למידה עמוקה למשימות של זיהוישם המנחה: אברהם רביב הרקע לפרויקט: בעזרת זיהוי שגיאות וחולשות במודלים של למידה עמוקה ניתן להבין את התנהגותן באופן יותר טוב ובכך לשפר את הרובסטיות שלהם מטרת הפרויקט: לפתח אלגוריתם המוצא דוגמאות אדברסריאליות במודלים של למידה עמוקה עבור משימות של זיהוי אובייקטים וסגמנטציה. מטרת ההתקפה היא להיות אדפטיבית לתמונה ולכלול כמה שפחות רעש, ועם זאת להטעות את המודל. בשלב הבא המטרה תהיה לחזק את הרובסטיות של המודל בעזרת אותן דוגמאות אדברסריאליות. תכולת הפרויקט:
קורסי קדם:
דרישות נוספות:
מקורות: |
|
605 Using Formal Verification Methods for Reinforcement Learning שימוש בכלים של אימות פורמלי עבור למידה מבוססת חיזוקים שם המנחה: אברהם רביב הרקע לפרויקט: מודלים של למידה מבוססת חיזוקים נוטים להיות לא יציבים ולעיתים לא מצליחים להתכנס. בעזרת שימוש בכלים של אימות פורמלי ניתן לקבל מידע שיעזור לסוכן ללמוד ולהגיע להתכנסות יציבה. מטרת הפרויקט: להצליח להראות תרומה של כלי אימות פורמלי עבור בעיות גדולות של למידה מבוססת חיזוקים. תכולת הפרויקט: בנייה ותכנון של בעיות בסקייל גדול שניתן להשתמש עבורן בכלי אימות פורמלי על מנת לייצב את הלמידה ולאפשר לה להתכנס. קורסי קדם:
דרישות נוספות:
מקורות: |
|
606 Developing and analyzing variational quantum algorithms that are based on amplitude encoding פיתוח וניתוח אלגוריתמים קוונטיים ואריאציונים מבוססי קידוד אמפליטודהשם המנחה: Adi Makmal הרקע לפרויקט: Variational quantum algorithms (VQAs) are currently the state-of-the-art in quantum algorithmic design for noisy quantum computers. While it is widely believed that such algorithms have the potential to outperform classical heuristics, no such demonstration has yet been performed. In Makmal's group we study VQAa that employ what is known as ``amplitude encoding" which allows us to solve optimization problems of dimension N using merely log N qubits, thereby decreasing the qubit requirement exponentially, compared to standard methods. מטרת הפרויקט: The goal of this project is to develop and analyze qubit efficient VQAs, in particular for combinatorial NP-hard problems, where we hope to demonstrate, for the first time, a practical quantum improvement over classical heuristics. תכולת הפרויקט:
קורסי קדם:
דרישות נוספות: Advantage (Not mandatory):
מקורות:
|
|
607 Multi-agent reinforcement learning of traffic routing in networks of autonomous vehicles למידה מבוססת חיזוקים ומרובת סוכנים של ניתוב רכבים אוטונומיים ברשתות עירוניותשם המנחה: ליאון רביב הרקע לפרויקט: בעתיד חלק ניכר מהתעבורה יהיה על ידי כלי רכב אוטונומיים. בפרויקט אנו ננסה לפתח שיטות ללמידה מבוזרת של ניתוב כלי רכב ברשתות עירוניות תוך שימוש בכלים של למידה מרובת סוכנים ומבוססת חיזוקים על ידי מידול של התעבורה כמשחק עומס מרקובי מטרת הפרויקט: פיתוח אלגוריתם למידה מרובה סוכנים לניהול תעבורה של כלי רכב אוטונומיים ברשת עירונית תכולת הפרויקט: בנית סימולציה של תעבורה עירונית תוך שילוב של מודלים של השפעת עומס על מהירות תנועה. קורסי קדם:
מקורות:
|
|
608 Learning to Solve CTF Challenges and Course Assignments למידה של אתגרי CTF ומשימות בקורסיםשם המנחה: Hillel Kugler הרקע לפרויקט:בשנים האחרונות חידות CTF הפכו לפופולריות ומשמשות לאתגר עבור מהנדסים, סטודנטים ותלמידים. כמו כן ארגונים שונים יוצרים תחרויות שונות המבוססות חידות אלו. תחרויות אלו נועדו לשם הנאה וגם למידה של המושגים השונים בתחום, וכן לשם פיתוח החשיבה והיצירתיות. מטרת הפרויקט:מטרת הפרויקט ליצור אתר המכיל חידות מסוגים שונים (web, cyber, formal , biological computation) .נרצה לאתגר את הסטודנטים בפקולטה כדי שיוכלו להתאמן כיצד לפתור חידות אלו, להתנסות ולהכיר חידות שונות, וכן לקבל פידבק על הפתרון ולהתאים את דרגת הקושי של החידות ליכולת הסטודנט. האתר גם יוכל לשמש להנגשת משימות בקורסים בעלי אופי אלגוריתמי תכולת הפרויקט:הפרויקט מתחלק לארבעה חלקים: א. בניית עמוד הבית של האתר. ב. בניית חידות פרמטריות מכל תחום. ג. בניית מנגנון פידבק ודירוג קושי של חידות. ד. בניית ממשק ידידותי לחידות ואינטגרציה בדף הבית של האתר. הפיתוח יתבצע באופן איטרטיבי תוך קבלת פידבק ממשתמשים ראשונים של המערכת. קורסי קדם:Formal Verification מקורות: |
פרויקטים נוספים מומלצים |
|
802 Adaptive cost-sensitive learning approach for resource constraint based multi-class classification problem גישת למידה רגישה לעלויות אדפטיבית לסיווג מרובה קלאסים מבוסס אילוציםשם המנחה: גונן זינגר הרקע לפרויקט: בעולם האמיתי קיימים מספר גדול של יישומים עבור סיווג מרובה קלאסים תוך הקצאה של משאבים מוגבלים. לדוגמא סיווג אנשים לרמת חומרה של מחלה (כאשר יש יותר מ-2 רמות) תוך הקצאת תרופות ומשאבים רפואיים מוגבלים. השקעה במניות על פי רמת ביצועים, תוך שימוש בתקציב מוגבל. לאחרונה פותחה גישה לסיווג בינארי מבוסס אילוצים עבור אלגוריתמים מבוססי עצי החלטות. הגישה מתאימה עבור בעיות בינאריות בלבד. מטרת הפרויקט להרחיב את הגישה עבור בעיות מרובות קלאסים. מטרת הפרויקט: במסגרת הפרויקט הסטודנטים יפתחו מסגרת עבודה להרחבת השיטה הבינארית לסיווג מוגבל במשאבים לבעיות סיווג מרובות קלאסים. כמו כן יפתחו הסטודנטים קוד בפייתון ליישום של השיטה ולבסוף ישוו את ביצועי השיטה על בסיס נתונים מתאים והשוואה לגישות קונבנציונאליות שהאילוץ נלקח בחשבון לאחר תהליך הלמידה. תכולת הפרויקט:
קורסי קדם:
מקורות:
|
|
911 Development of a neural network platform – Convolution engine פיתוח פלטפורמת תוכנה למאיץ רשתות נוירונים – מנוע קונבולוציהשם המנחה: אליהו לוי הרקע לפרויקט: רשתות נוירונים עמוקות הן הבסיס לאפליקציות רבות בחיינו, כמו למשל זיהוי פנים, עיבוד קול, ועיבוד שפה. ארכיטקטורות מבוססות קונבולוציה הן מבין הפופולארית ביותר בתחומים רבים ובעיקר בתחום עיבוד התמונה. ככל שרשתות אלו גדלות אנו נתקלים בשתי בעיות עיקריות. הראשונה, צריכה של משאבי חישוב רבים. השנייה היא שימוש בשטח אחסון רב. במהלך השנים פותחו מאיצי חומרה שונים על מנת להתמודד עם בעיות אלו. מאיצים אלה מתחלקים לשתי קטגוריות עיקריות: א. Hardware accelerator for deep neural network training. מאיצים לשלב אימון המודל. ב. Hardware accelerator for deep neural network inference. מאיצים העושים שימוש במודלים מאומנים. בשתי הקטגוריות מאיצי רשתות אלה עושים שימוש רב בפעולות בלתי תלויות ובפעולות מרחביות, דבר המאפשר שימוש בטכניקות חישוב מקבילי (parallel processing). מטרת הפרויקט: בניית פלטפורמת תוכנה התומכת ב deep neural network inference להרצה של מודלים המותאמים למיקרו מעבדים, ואשר מסוגלת לתמוך במודלים המוגדרים כיום כ state of the art. תכולת הפרויקט: התאמת הפלטפורמה כך שתתמוך בפעולות שבהן נעשה שימוש במודלים אשר מוגדרים כstate of the art ובעיקר רשתות המוביל השונות (Mobilenet). קורסי קדם:
דרישות נוספות:
מקורות:
|
|
912 Development of a neural network platform – Data compression engine פיתוח פלטפורמת תוכנה למאיץ רשתות נוירונים – מנוע דחיסת זיכרוןשם המנחה: אליהו לוי הרקע לפרויקט: רשתות נוירונים עמוקות הן הבסיס לאפליקציות רבות בחיינו, כמו למשל זיהוי פנים, עיבוד קול, ועיבוד שפה. ארכיטקטורות מבוססות קונבולוציה הן מבין הפופולארית ביותר בתחומים רבים ובעיקר בתחום עיבוד התמונה. ככל שרשתות אלו גדלות אנו נתקלים בשתי בעיות עיקריות. הראשונה, צריכה של משאבי חישוב רבים. השנייה היא שימוש בשטח אחסון רב. במהלך השנים פותחו מאיצי חומרה שונים על מנת להתמודד עם בעיות אלו. מאיצים אלה מתחלקים לשתי קטגוריות עיקריות: א. Hardware accelerator for deep neural network training. מאיצים לשלב אימון המודל. ב. Hardware accelerator for deep neural network inference. מאיצים העושים שימוש במודלים מאומנים. הקטגוריה השנייה עושה שימוש במשאבי חומרה מוגבלים בעיקר בתחום הזכרונות. הפתרונות האפשריים מגוונים, אך מידת היעילות שלהן תלויה בארכיטקטורת המאיץ וסוג המודל. פלטפורמת תוכנה יעילה יכולה להצביע לנו על הפתרון המיטבי. מטרת הפרויקט: חקירת שיטות דחיסה שונות על מנת לצמצם גישות לזיכרון במודלים של רשתות נוירונים עמוקות, והרחבת פלטפורמת התוכנה שפותחה במעבדה בenics, על מנת לאפשר מחקר של שימוש בזיכרונות מתקדמים. תכולת הפרויקט: שימוש בממשק הDDR על מנת להעביר כמויות מאסיביות של מידע למאיץ רשתות נוירונים שפותח בenics (MANNIX) ברשתות קיימות. קורסי קדם:
דרישות נוספות:
מקורות:
|
