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

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    Mesterséges Intelligencia I.

    A tantárgy angol neve: Artificial Intelligence I.

    Adatlap utolsó módosítása: 2013. január 29.

    Tantárgy lejárati dátuma: 2015. január 31.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak

    Műszaki Informatika Szak

    Választható tárgy
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIHI0147   2/0/0/v 3 1/1
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    dr. Levendovszky János

    docens

    Hálózati Rendszerek és Szolgáltatások Tanszék
         
    5. A tantárgy az alábbi témakörök ismeretére épít

    Valószínűségszámítás, analízis és algebra

    6. Előtanulmányi rend
    Ajánlott:

    Tematikaütközés miatt a tárgyat csak azok vehetik fel, akik korábban nem hallgatták a következő tárgyakat:

    Neptun-kód Cím

    7. A tantárgy célkitűzése

    A hallgatók bevezetése a mesterséges intelligencia diszciplináris módszereibe és eredményeibe. Algoritmikus tudásbázis kialakítása a kombinatorikus optimalizálás, illetve sokdimenziós komplex feladatok megoldását igénylő mérnöki és gazdasági feladatok megoldására.

    8. A tantárgy részletes tematikája
    • Bevezetés (históriai áttekintés, algoritmikus alapok, terminológiarendszer)
    • Keresési algoritmusok (szélességi keresés, mélységi keresés, egyenletes költségű keresés, A* keresés, SMA keresés)
    • Alkalmazás kombinatorikus játékokra és ezekhez kapcsolódó mérnöki és gazdasági problémákra
    • Elsőrendű logikák
    • Tudásalapú rendszerek
    • Lágy számítások és neurális hálók
    • Perceptron tanulási tétel
    • Hopfield hálók és konvergenciatulajdonságai
    • A Hopfield hálók mint asszociatív leképezések (alkalmazás, alakfelismerésre, hibajavító kódolásra ...etc.)
    • Előrecsatolt neurális hálók és approximációs képességeik
    • A back-propagation algoritmus
    • Alkalmazás rendszeridentifikációra, döntéselméletre, statisztikus erőforrásmenedzsmentre
    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

    (előadás, gyakorlat, laboratórium): előadás

    10. Követelmények

    a. A szorgalmi időszakban: 1db. Zh

    b. A vizsgaidőszakban: szóbeli vizsga

    1. Elővizsga:
    11. Pótlási lehetőségek
    12. Konzultációs lehetőségek
    13. Jegyzet, tankönyv, felhasználható irodalom
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

    (a tantárgyhoz tartozó tanulmányi idő körülbelüli felosztása a tanórák, továbbá a házi feladatok és a zárthelyik között (a felkészülésre, ill. a kidolgozásra átlagosan fordítandó/elvárható idők félévi munkaórában, kredit x 30 óra, pl. 5 kredit esetén 150 óra)):

     

    Kontakt óra

    60

    Félévközi készülés órákra

    		  

    Felkészülés zárthelyire

    		  

    Házi feladat elkészítése

    		  

    Kijelölt írásos tananyag elsajátítása

    		  

    ..

    		  

    Vizsgafelkészülés

    		  

    Összesen

    60
    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.: