Szimbolikus jelfeldolgozás és lágy számítási módszerek labor

A tantárgy angol neve: Symbolic Signal Processing and Soft Computing Laboratory

Adatlap utolsó módosítása: 2007. június 15.

Tantárgy lejárati dátuma: 2006. december 31.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

 

Műszaki Informatika Szak

Intelligens Rendszerek Béta Szakirány

Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIMM4323 8. 0/0/2/f 2 1/1
3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz Pawel,
A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimm4323/
4. A tantárgy előadója

Név:

Beosztás:

Tanszék, Int.:

dr. Pataki Béla

docens

MIT

Dr. Lantos Béla

egyetemi tanár

IIT

5. A tantárgy az alábbi témakörök ismeretére épít

Tudásalapú architekturák, Fuzzy rendszerek és genetikus algoritmusok

6. Előtanulmányi rend
Ajánlott:

Tudásalapú architekturák, Fuzzy rendszerek és genetikus algoritmusok

7. A tantárgy célkitűzése

A labor első részében cél, hogy a hallgatók nagyobb lélegzetű problémák megoldása során ismerkedjenek meg a tudásalapú architekturális elemekkel. E feladatok kapcsolódnak a �Tudásalapú arcitektúrák� tárgy 7. félévben elkészített házi feladatához.

A mérések második felében a hallgatók irányítástechnikai problémák megoldására használják a fuzzy, neurális és genetikus algoritmusokat. A mérések során többféle fejlesztő eszköz bemutatására és használatára kerül sor.

8. A tantárgy részletes tematikája

1.Tudásalapú architektúrák tárgyban előkészített személyre szóló neurális-szimbólikus házi feladat megoldása. Módszer kiválasztása.

2.A feladat folytatása. Megoldás részletes terveinek kidolgozása.

3.A feladat folytatása realizáció.

4. Fuzzy irányítás (F)

A fuzzy logikai szabályozó (FLC) működési elvének megismerése. Lineáris rendszer szabályozása fuzzy jellegű PID algoritmusokkal. Nemlineáris rendszer irányítása fölérendelt fuzzy szakértővel és alárendelt nemlineáris szétcsatolással.

5. Neurális irányítás (F)

A neurális rendszermodellezés és irányítás működési elvének megismerése. Nemlineáris rendszer (robotkar) irányítása neurális hálózattal.

6. Genetikus algoritmusok (F)

A genetikus algoritmusok működési elvének megismerése. Optimalizálási és irányítási feladatok megoldása genetikus algoritmusokkal.

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

A tárgy 6 db 4 órás laboratóriumi mérésből áll, melyet a Méréstechnikai és Információs Rendszerek (M) és az Irányítástechnikai és Informatika (F) tanszékek laboratóriumaiban kell elvégezni.

Az 1.-2.-3. mérések esetén a 7. félévben a "Tudásalapú architektúrák" c. tárgy házifeladata keretében elviekben megoldott feladat megvalósítását jelentik. Az 1.-2.-3. mérések az elvileg előkészített megoldások fokozatos megvalósítására adnak lehetőséget.

10. Követelmények

- A félév lezárásának módja: félévközi jegy.

- Az 1.-2.-3. mérések esetén az elvégzett feladatot igényes jegyzőkönyv formájában dokumentálni kell, illetve a 3-ik mérésen a működőképes megoldást meg kell mutatni. Az 1.-2.-3. mérések esetén a hallgatók a feladat elvégzését (jegyzőkönyv, termék bemutatása) minősítő osztályzatot kapnak, ami a gyakorlati jegyet 50%-ban határozza meg.

- 3 darab laboratóriumi mérés (4.-5.-6.) anyagának elsajátítása, a mérések elvégzése és a mérési jegyző-könyvek elkészítése előírt ütemezés szerint.

- Távolmaradás esetén összesen 2 mérés pótolható.

- A félév lezárásához szükség követelmény az összes mérés sikeres elvégzése. A hallgató 4.-5.-6. mérésekre 1-1 osztályzatot kap (felelet, mérés és jegyzőkönyv alapján) melyek átlaga képezi a gyakorlati jegy második 50%-át.

13. Jegyzet, tankönyv, felhasználható irodalom

A mérésekhez kiosztásra kerülő mérési útmutatók.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra 
Félévközi készülés órákra 
Felkészülés zárthelyire 
Házi feladat elkészítése 
Kijelölt írásos tananyag elsajátítása 
Vizsgafelkészülés 
Összesen 
15. A tantárgy tematikáját kidolgozta

Név:

Beosztás:

Tanszék, Int.:

dr. Dobrowiecki Tadeusz

docens

MIT

dr. Horváth Gábor

docens

MIT

Dr. Lantos Béla

egyetemi tanár

IIT