BME VIK - Hibrid információs technológiák

3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz Pawel,

A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimm4322/

4. A tantárgy előadója

Név:	Beosztás:	Tanszék, Int.:
dr. Pataki Béla	egyetemi docens	MIT

5. A tantárgy az alábbi témakörök ismeretére épít

Neurális hálózatok, az ágens fogalma, ágensalapú megoldáshoz illeszkedő problémák, megerősítéses tanulás intelligens ágensek tervezése. A szimbolikus tudás ábrázolása és a szabályalapú rendszerek.

6. Előtanulmányi rend

Ajánlott:

Tudásalapú architektúrák

7. A tantárgy célkitűzése

A tárgy célja azon integrációs elvek, rendszertechnikai és implementációs ismeretek bemutatása, amelyek felhasználásával sikeresen fejleszthetők nagybonyolultságú és hibrid architektúrájú intelligens számítógépes rendszerek.

8. A tantárgy részletes tematikája

- Hibrid rendszerek - miért és hogyan? A hibrid rendszerek típusai. Elemi integrációs elvek és problématípusok összevetése.

- Neurális hálók alkalmazása adaptációs mechanizmusként. Paraméter-adaptív és struktúra-adaptív analitikus rendszerek kialakítása.

- A Mixture of Experts (MOE) struktúra, hierarchikus változat.

- Hierarchikus neurális háló rendszerek. Szakértő neurális hálók.

- Döntési fák tanulása (a TREPAN algoritmus).

- OSF szűrők, OSF szűrők tanítása.

- Neurális hálók támogatása szimbolikus rendszerelemekkel. Neurális- szimbolikus architektúrák típusai. A szimbolikus tudás ábrázolása neurális hálókkal. Szimbolikus tudás kinyerése tanított neurális hálózatokból, szimbolikus tudás beépítése neurális hálózatokba.

- Szabályok és példákban való tudás együttes felhasználása. A KBANN háló. Magyarázat generálás.

- Demonstrációs példák, esettanulmányok.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

A tantárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák és esettanulmányok.

10. Követelmények

a. A szorgalmi időszakban: Az előadásokon a részvétel nem kötelező, a jelenlét ellenőrzésére nem kerül sor, a hiányzást igazolni nem szükséges.

Félévközi ellenőrzések:

- 1 nagy ZH. Pótlására a szorgalmi időszak végén 1 alkalmat biztosítunk. A zárthelyi (pótzárthelyi) osztályzata a vizsgajegybe beszámít (20 % súllyal). A zárthelyi (és pótzárthelyi) – a TVSZ és annak hivatalos értelmezése értelmében kötelező - vizsgaidőszakbeli pótlási alkalma egy kijelölt vizsga időpontjában lesz.

- 1 házi feladat. A házi feladatra kapott pontszám beszámít a vizsgajegybe 10% súllyal). A házi feladatot legkésőbb a szorgalmi időszak végéig be kell adni, a vizsgaidőszakban nem pótolható!

Az aláírás és a vizsgára bocsátás feltétele: elfogadott házi feladat és nagy ZH.

A vizsgaidőszakban: A félév lezárásának módja: vizsga. Korábban megszerzett félévvégi aláírás legkorábban 2003-tól fogadható el. (Tehát, aki 2002/2003 tavaszi - második - félév előtt, pl. 2002 tavaszán vagy korábban szerzett aláírást, annak a vizsgára bocsáthatóság feltételeként újra meg kell szereznie idén.)
A vizsga írásbeli. A vizsgapontszám – amelynek alapján a jegy kialakul – 0,1*HfPontszám+0,2*ZhPontszám+0,7*VizsgaDolgozatPontszám. Mind a három komponens külön-külön el kell érje a megfelelt (40%) szintet.

Mind a zárthelyin, mind a vizsgán a később kijelölésre kerülő anyagrészekből külön-külön is el kell érni a minimum szintet. A tárgyhoz tartozó kreditpontok megszerzésének feltétele az aláírás és a sikeres vizsga.
Elővizsga: Elővizsgát nem tartunk.

11. Pótlási lehetőségek

A zárthelyi pótlására a szorgalmi időszakban egy alkalommal biztosítunk lehetőséget. A zárthelyi (és pótzárthelyi) – a TVSZ és annak hivatalos értelmezése értelmében kötelező - vizsgaidőszakbeli pótlási alkalma egy kijelölt vizsga időpontjában lesz.

12. Konzultációs lehetőségek

Igény szerint

13. Jegyzet, tankönyv, felhasználható irodalom

Ajánlott irodalom:

Russel, S. J., Norvig, P.: "Artificial Intelligence, a Modern Approach" Prentice Hall, 1995.

Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 1999

Honavar, V., Uhr, L.(Eds): "Artificial Intelligence and Neural Networks: Steps Towards Principled Integ-
ration" Academic Press, Boston, 1994.

Kandel,A.-Langholz,G.: "Hybrid Architectures for Intelligent Systems", CRC Press, 1992,

Közhasználatú WWW oktatási segédletek hibrid rendszerek témaköréből,

Méréstechnika és Információs Rendszerek Tanszék WWW szerverén található összefoglaló anyag.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	60
Félévközi készülés órákra	4
Felkészülés zárthelyire	14
Házi feladat elkészítése	30
Kijelölt írásos tananyag elsajátítása	10
Vizsgafelkészülés	32
Összesen	150

15. A tantárgy tematikáját kidolgozta

Név:	Beosztás:	Tanszék, Int.:
dr. Dobrowiecki Tadeusz	egyetemi docens	MIT
dr. Horváth Gábor	egyetemi docens	MIT
dr. Pataki Béla	egyetemi docens	MIT