Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Hibrid információs technológiák

    A tantárgy angol neve: Hybrid Information Technologies

    Adatlap utolsó módosítása: 2007. június 15.

    Tantárgy lejárati dátuma: 2015. január 31.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak

    Intelligens Rendszerek

    Mellékszakirány
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMM4322 8. 4/0/0/v 5 1/1
    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.

    1. 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.)

    2. 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.

    3. 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