Belépés címtáras azonosítással
magyar nyelvű adatlap
A fuzzy, neurális és genetikus mest. intelligencia módszerei
A tantárgy angol neve: Fuzzy, Neural and Genetic Methods in Artificial Intelligence
Adatlap utolsó módosítása: 2008. október 28.
Tantárgy lejárati dátuma: 2009. november 24.
Villamosmérnöki Szak
Műszaki Informatika Szak
Választható tárgy
Név:
Beosztás:
Tanszék, Int.:
Dr. Retter Gyula
Professor Emeritus
VET (VG)
Dr. Kádár István
egyetemi docens
Matematika, Hálózatok és rendszerek, Villamos energetika
------
Tematikaütközés miatt a tárgyat csak azok vehetik fel, akik korábban nem hallgatták a következő tárgyakat:
Neptun-kód Cím
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.
A mesterséges intelligencia rendszerek alapjainak rövid áttekintése.
Fuzzy módszerek
A fuzzy koncepció. A fuzzy rendszerek matematikai alapjai. A klasszikus és a fuzzy halmazok. Műveletek klasszikus halmazokkal. A fuzzy halmazok kapcsolatai, műveletei, fuzzy egyenlőség, fuzzy részhalmazok. A fuzzy halmazok struktúra tulajdonságai. Gyakori tagsági függvény típusok. A t- és s-normák, parametrizált t- és s-normák, kompenzátoros paraméter-operátorok, átlagoló és kompenzátoros operátorok.
Nyelvi-lingvisztikai változók és HA-AKKOR szabályok. Numerikus változóktól nyelvi változókig, nyelvi kordonok: koncentráció, dilatáció.
Fuzzy logika és közelítő következtetés. A klasszikus logikától a fuzzy logikáig, a fuzzy logika alapelvei. Az éles logikai következtetés, a fuzzy logikai következtetés. A közelítő következtetés "pontosabb" vizsgálata. A fuzzy szabályozás és a fuzzy szabályozók áttekintése.
A fuzzy szabály-bázis struktúrája, a szabály-készlet tulajdonságai.
A fuzzy inferencia gép: a kompozíció alapú inferencia, individuális szabályok alapú inferencia. Néhány inferencia gép. Fuzzifikátorok és defuzzifikátorok.
Fuzzy rendszerek mint nemlineáris leképzések.
Neurális hálózatok
Alapvető koncepciók. Neuron modellek: a McCullock-Pitts neuron modell, az általános neuron szimbólum, a perceptron.
Neurális hálózat modellek: az előrecsatolt hálózat, a visszacsatolt hálózat.
Neurális processzálás. Tanulás és adaptáció: tanulás mint approximáció, felügyelt és nem felügyelt tanulás. Neurális hálózatok tanulási szabályai: az általános tanulási szabály, a Hebb-féle tanulási szabály, az eredeti - Rosenblatt féle - perceptron tanulási szabály, a delta szabály folytonos perceptronra, a korrelációs tanulási szabály, a győztes - mindent - elvisz tanulási szabály. Egy perceptronos hálózat tanulása.
Többréteges előrecsatolt hálózatok: az egyréteges hálózat, a kétréteges egyszerű hálózat, az általános kétréteges hálózat. A többréteges előrecsatolt hálózat mint univerzális approximátor. Tanulási tényezők.
Radiális bázisfüggvényes hálózatok: lokális és globális osztályozás. Az RBF hálózatok formális modellje: az egyszerű RBF hálózat, az RBF hálózatok tanulási módjai. A többréteges perceptron és az RBF hálózat.
Kohonen önszervező térképe: az önszervező algoritmus általános képe, vektorkvantálás az önszervező algoritmussal, súlyvektor rendezés az önszervező algoritmussal.
Genetikus algoritmusok
Alapfogalmak. Egyszerű genetikus algoritmus. A hasonló mintázatok (szkémák). A genetikus algoritmus alaptörvénye. Az evolúciós stratégia.
Káosz neurális és fuzzy rendszerkben
(előadás, gyakorlat, laboratórium):
Előadás
a. A szorgalmi időszakban: 1 db. zh. megírása legalább elégséges (2) eredménnyel.
b. A vizsgaidőszakban: szóbeli vizsga.
A szorgalmi időszakban: 1 alkalommal.
A vizsgaidőszakban: 1 alkalommal.
A szorgalmi időszakban: a zh. elötti héten.
A vizsgaidőszakban: heti 1 alkalommal.
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.
(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
40
Házi feladat elkészítése
Kijelölt írásos tananyag elsajátítása
..
Vizsgafelkészülés
50
Összesen
150