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

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    A fuzzy, neurális és genetikus mest. intelligencia módszerei

    A tantárgy angol neve: Fuzzy, Neural and Genetic Methods in Artificial Intelligence

    Adatlap utolsó módosítása: 2009. november 13.

    Tantárgy lejárati dátuma: 2015. június 30.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak
    Mérnök Informatikus Szak
     szabadon választható tárgy
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIVEJV15   4/0/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Kádár István,
    A tantárgy tanszéki weboldala http://www.vgt.bme.hu/okt/fuzzy/index.html
    4. A tantárgy előadója Dr. Retter Gyula Professor Emeritus VET (VG)
    Dr. Kádár István egyetemi docens VET (VG)
    5. A tantárgy az alábbi témakörök ismeretére épít Matematika, Hálózatok és rendszerek
    6. Előtanulmányi rend
    Kötelező:
    NEM ( TárgyTeljesítve("BMEVIVG9115") )
    VAGY
    NEM ( TárgyTeljesítve("BMEVIVG9279") )
    VAGY
    NEM ( TárgyTeljesítve("BMEVITMJV79") )



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

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

    Ajánlott:

    A tárgyat nem vehetik fel azok a hallgatók, akik kreditpontot szereztek a
    VIVG9115 A fuzzy, neurális és genetikus mesterséges intelligencia módszerei, vagy a
    VITT9279 Fuzzy rendszerek I., vagy a
    VITMJV79 Fuzzy rendszerek I.
    c. tárgyból.

    7. A tantárgy célkitűzése A tárgy mérnöki szemléletű, "lágy", de korrekt, megszerettető bevezetés az emberi gondolkodásra, az agysejtekre és az öröklésre építkező soft computing három összetevőjébe, a fuzzy rendszerekbe, a neurális hálózatokba, a genetikus algoritmusokba valamint azok káosz kapcsolataiba. A lágy számítások alkalmazásai hatékonyságuk, egyszerűségük és olcsóságuk révén a mérnöki, gazdasági, orvosi és az élet szinte minden területén világszerte rohamosan terjednek.
    8. A tantárgy részletes tematikája 1. hét: Fuzzy rendszerek. Bevezetés. Fuzzy koncepció, fuzzy rendszerek matematikai alapja. Fuzzy halmazok, fuzzy fogalom. Klasszikus halmazok - fuzzy halmazok, jelölési módok. Tagsági függvények, gyakori tagsági függvény típusok.

    2. hét: Műveletek halmazokkal. Klasszikus halmazok alapfogalmai, műveletek klasszikus halmazokkal. Fuzzy halmazok kapcsolatai, műveletei, fuzzy egyenlőség, fuzzy részhalmazok. Fuzzy halmazok struktúra tulajdonságai.

    3. hét: Fuzzy halmazok további műveletei, t- és s-normák, parametrizált t- és s-normák, kompenzátoros paraméter-operátorok, átlagoló- és kompenzátoros operátorok. Klasszikus relációk, fuzzy relációk, fuzzy reláció műveletek.

    4. hét: A kiterjesztési elv. Fuzzy számok és fuzzy aritmetika. Nyelvi-lingvisztikai változók és HA-AKKOR szabályok. Numerikus változóktól nyelvi változókig. Nyelvi kordonok: koncentráció, dilatáció.

    5. hét: Fuzzy logika és közelítő következtetés. Klasszikus logikától a fuzzy logikáig. Fuzzy logika alapelvei: éles logikai következtetés, fuzzy logikai következtetés. Közelítő következtetés "pontosabb" vizsgálata.

    6. hét: Fuzzy szabályozás áttekintése: fuzzy szabályozók, fuzzy rendszerek. Fuzzy szabály-bázis, szabály-bázis struktúrája, szabály-készlet tulajdonságai. Fuzzy inferencia gép, kompozíció alapú inferencia, individuális szabályok alapú inferencia, néhány inferencia gép.

    7. hét: Fuzzifikátorok és defuzzifikátorok, a defuzzifikátorok összehasonlítása. Fuzzy rendszerek mint nemlineáris leképzések. Fuzzy rendszerek néhány osztályának képletei. Fuzzy rendszerek mint univerzális approximátorok. Fuzzy rendszerek tervezéséről.

    8. hét: Neurális hálózatok. Bevezetés és áttekintés. Működés, előnyök, hátrányok. Néhány alkalmazási terület, alapvető koncepciók. Neuron modellek. McCullock-Pitts neuron modell, általános neuron, perceptron.

    9. hét: Neurális hálózat modellek. Előrecsatolt hálózat, visszacsatolt hálózat. Neurális processzálás. Tanulás és adaptáció. Tanulás mint approximáció. Felügyelt és nem felügyelt tanulás.

    10. hét: Neurális hálózatok tanulási szabályai. Általánosított tanulási szabály, Hebb-féle tanulási szabály. eredeti - Rosenblatt féle - perceptron tanulási szabály, delta szabály folytonos perceptronra, korrelációs tanulási szabály, győztes - mindent - elvisz tanulási szabály. Többréteges előrecsatolt hálózatok.

    11. hét: Egy perceptronos hálózat tanulása, diszkrét perceptron, folytonos perceptron. A többréteges hálózatok. Egyréteges hálózat, kétréteges egyszerű hálózat. Az általános kétréteges hálózat. Többréteges előrecsatolt hálózat mint univerzális approximátor, tanulási tényezők.

    12. hét: Radiális bázisfüggvényes hálózatok. Lokális és globális osztályozás. RBF hálózatok formális modellje. RBF hálózatok tanulási módjai.

    13. hét: Kohonen önszervező térképe. Az önszervező algoritmus általános képe, súly adaptálás, tanuló vektorkvantálás. Genetikus algoritmusok. Bevezetés, egyszerű genetikus algoritmus. Hasonló mintázatok.

    14. hét: Kromoszómák alakja, fittnesz függvény, szelekciós eljárások. Kéttagú és többtagú evolúciós stratégiák. Káosz neurális és fuzzy rendszerkben. Neurális hálózatok és káosz. Fuzzy rendszerek és káosz.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás
    10. Követelmények a. A szorgalmi időszakban: 1 db. zh. megírása legalább elégséges (2) eredménnyel.
    b. A vizsgaidőszakban: szóbeli vizsga.
    Elővizsga: az elővizsga feltétele a legalább jó (4) zh. eredmény.
    11. Pótlási lehetőségek A szorgalmi időszakban 1 alkalommal,
    a pótlási időszakban 1 alkalommal.
    12. Konzultációs lehetőségek A szorgalmi időszakban: a zh. elötti héten.
    A vizsgaidőszakban: heti 1 alkalommal.
    13. Jegyzet, tankönyv, felhasználható irodalom 1. Retter Gyula: Fuzzy, neurális, genetikus, kaotikus rendszerek (Lágy számítási módszerek) Akadémiai Kiadó, 2006.
    2. Retter Gyula: Kombinált fuzzy, neurális, genetikus rendszerek (Kombinált lágy számítások). INVEST-MARKETING Bt., 2007.
    3. Borgulya István: Neurális hálók és fuzzy rendszerek. Dialog Campus K., 1998.
    4. Horváth Gábor szerk.: Neurális hálózatok és műszaki alkalmazásaik. Műegyetemi Kiadó, 1995.
    5. Kóczy T. László, Tikk Domonkos: Fuzzy Rendszerek. Typotex Kft., 2000.
    6. Várkonyiné Kóczy Annamária szerk.: Genetikus algoritmusok. Typotex Kft., 2002.
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra56
    Félévközi készülés órákra 
    Felkészülés zárthelyire24
    Házi feladat elkészítése 
    Kijelölt írásos tananyag elsajátítása 
    Vizsgafelkészülés40
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    Dr. Retter Gyula Professor Emeritus VET (VG)