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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Lágy számítási módszerek

    A tantárgy angol neve: Soft Computing Methods

    Adatlap utolsó módosítása: 2013. július 1.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Mérnök informatikus szak, MSc képzés   

    Autonóm irányító rendszerek és robotok szakirány   

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIIIM129 1 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Harmati István,
    4. A tantárgy előadója

    Dr. Harmati István egyetemi docens

    Dr. Vámos Gábor egyetemi adjunktus

    5. A tantárgy az alábbi témakörök ismeretére épít Matematika, Szabályozástechnika
    6. Előtanulmányi rend
    Kötelező:
    NEM ( TárgyEredmény( "BMEVIIIMA09" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIIIMA09", "FELVETEL", AktualisFelev()) > 0 )

    A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

    A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

    Ajánlott:
    -
    7. A tantárgy célkitűzése

    A tantárgy célja hogy bemutassa az irányításelméletben és rendszermodellezésben egyre intenzívebben alkalmazott korszerű, lágy számítási technikákon alapuló mesterséges intelligencia módszereket. A módszerek alkalmazását nemlineáris identifikációs és irányítástechnikai tervezési feladatok keretében korszerű eszközök felhasználásával mutatja be.

     

    A tantárgyat sikeresen abszolváló hallgatók közre tudnak működni komplex rendszerek modellezésében és irányítási algoritmusainak fejlesztésében és megvalósításában, továbbá általánosabb rendszer-optimalizációs és döntési feladatok megoldásában. Hosszú távon hasznosítható készségekkel rendelkeznek a fuzzy-neurális és genetikus algoritmusok műszaki és nem műszaki (biológiai, közgazdasági) területeken való alkalmazásában és a mesterséges intelligencia módszereket igénylő informatikai rendszerek fejlesztésében és kutatásában.

    8. A tantárgy részletes tematikája

    13 tényleges oktatási hét: 26 előadási + 13 tantermi gyakorlati óra. A gyakorlatok az elméleti előadás módszereit alkalmazási példák keretében mutatják be. Az előadások tematikája: 

     

    1. Fuzzy-neurális rendszerek alapjainak összefoglaló áttekintése. Fuzzy következtetés, defuzzifikáció, Sugeno-féle fuzzy rendszerek.

     

    1. Fuzzy logikai szabályozó (FLC) blokkvázlata és az egyes egységek funkciói. Fuzzy PID és PD szabályozók. A MacVicar-Whelan metaszabályok. Fuzzy PD szabályozó szabálybázisának felvétele. 

     

    1. Numerikus optimalizálási módszerek  összefoglaló áttekintése. Optimum szükséges analitikus feltétele korlátozások mellett. A probléma megfogalmazása, aktív halmaz, LICQ feltétel, az optimalizálási probléma Lagrange függvénye, Elsőrendű (Karush-Kuhn-Tucker) feltétel.

     

    1. Optimalizálási módszerek. Gradiens, konjugált gradiens és kvázi-Newton technikák. Gradiens számítás neurális hálózatban. Szubtraktív klaszterezés, gradiens számítás adaptív hálózatban, ANFIS.

     

    1. Genetikus algoritmusok felépítése. Lineáris és nemlineáris fitness, szelekció, bináris és real genetikus operátorok, visszahelyettesítési stratégiák. Multipopulációs algoritmus. Szabályozótervezés genetikus algoritmussal.

     

    1. Adaptív fuzzy irányítás. Névleges és felügyelő szabályozó tervezés, indirekt (modellre alapozott) és direkt (modellt nem használó) adaptív irányítás, stabilitásvizsgálat.

     

    1. Adaptív neurális irányítás. Direkt adaptív neurális irányítás teljes állapot-visszacsatolással, adaptív irányítás neurális hálózat alapú megfigyelővel. Esettanulmány: repülőgépirányítás.

     

    1. SVD alapú fuzzy approximáció és szabályozó tervezés. Az algoritmusok felépítése, a matematikai feltételek biztosítása, többváltozós kiterjesztés. Szabályozótervezés SVD-technikával.

     

    1. Optimalizálás és irányítás tervezés evolúciós és bakteriális algoritmusokkal. Az algoritmusok felépítése, fuzzy interpretáció, szabályozótervezés.

     

    1. Rajintelligenciák. Motivációk, közös tulajdonságok. A raj és rajintelligencia definíciója. Fontosabb módszerei. Hangyakolóniák. A globális viselkedés alapja, a mesterséges hangya matematikai modellje. A valódi és mesterséges hangya közötti különbségek. A feromon szerepe. A hangyakolónia alapú optimalizálás metaheurisztikája.

     

    1. Részecskeraj optimalizáció. Motiváció, előnyök, hátrányok. A részecskeraj optimalizálás koncepciója, a részecske felépítése, optimalizálás algoritmusa, a részecske mozgása. A részecskeraj optimalizálás implementációs kérdései, diszkrét algoritmusok és variánsok. 

     

    1. Tanuló algoritmusok.  Egyensúlyt tanuló algoritmusok, legjobb választ tanuló algoritmusok, számítási korlátok. Wolf-algoritmus és módosított változatai, Multiágens rendszerek irányítása tanuló algoritmusokkal.

     

    1. Valószínűségi tudásmodellezés Bayes-hálókkal.

     

     

     

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tárgy előadásból és az előadás anyagát illusztráló gyakorlatokból áll.
    10. Követelmények 1 zárthelyi a szorgalmi időszakban. Az aláírás feltétele legalább elégséges zárthelyi osztályzat. Eredménye 20% arányban beszámít a vizsgajegybe.
    11. Pótlási lehetőségek

    A zárthelyi a szorgalmi időszakban vagy a pótlási héten pótolható.

    12. Konzultációs lehetőségek Zárthelyi előtti héten hallgatói igény szerint.
    13. Jegyzet, tankönyv, felhasználható irodalom

    [1] Elektronikus segédanyagok a tanszék oktatási portálján:

    edu.iit.bme.hu (regisztráció szükséges)

    [2] B. Lantos: Fuzzy systems and genetic algorithms, 2002, Műegyetemi kiadó

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra15
    Felkészülés zárthelyire15
    Házi feladat elkészítése 
    Kijelölt írásos tananyag elsajátítása 
    Vizsgafelkészülés48
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    Dr. Lantos Béla egyetemi tanár 

    Dr. Harmati István egyetemi docens

    Dr. Vámos Gábor egyetemi adjunktus