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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Kombinált fuzzy, neurális és genetikus módszerek

    A tantárgy angol neve: Combined Fuzzy, Neural and Genetic Methods

    Adatlap utolsó módosítása: 2008. október 28.

    Tantárgy lejárati dátuma: 2009. november 24.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak

    Műszaki Informatika Szak

    Választható tárgy

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIVG9311   4/0/0/v 5 1/1
    3. A tantárgyfelelős személy és tanszék Dr. Kádár István,
    A tantárgy tanszéki weboldala http://www.vgt.bme.hu/okt/kombi/index.html
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    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
    Ajánlott:

    --------

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

    Neptun-kód Cím

    --------

    7. A tantárgy célkitűzése

    A fuzzy, neurális, genetikus lágy számítási rendszerek kombinációi a computational intelligence keretében egyre népszerűbbek, növekvő alkalmazásokkal. Ugyanis közös vonásaik lehetővé, kiegészítő tulajdonságaik előnyössé teszik egyesítéseiket, ilyen módon rendkívül hatékony, könnyen tervezhető, jól értelmezhető, olcsó változatok képezhetők.

    A fuzzy logika alapjait az a mód képezi, ahogyan az agy bánik pontatlan információkkal, míg a neurális hálózatok az agy felépítését követik egyszerűsítve. Mindkettő olyan modellt nem igénylő numerikus közelítő módszer, amelyik bizonytalan, pontatlan környezetben működő bonyolult rendszerek intelligenciájának javítására képes. A genetikus algoritmusok az öröklődés törvényeit követő globális optimalizáló rendszerek.

    8. A tantárgy részletes tematikája

    Az összetevő rendszerek

    Fuzzy rendszerek alapjai: Rövid ismertkedés. Fuzzy halmazok és alapműveletek. Fuzzy halmazok további műveletei. Fuzzy relációk és a kiterjesztési elv. Lingvisztikai változók és HA-AKKOR szabályok. Fuzzy logika és közelítő következtetés. Néhány inferencia rendszer

    Neurális hálózatok alapjai: Rövid ismertetés. Neurális hálózati modellek. Felügyelt és nem felügyelt tanulás. Többréteges perceptron. Radiális bázisfüggvényes hálózatok. Versengő tanulás. Kohonen önszervező térképe. Tanuló vektorkvantálás. Hebb tanulási szabály. Megerősítő tanulás.

    Genetikus algoritmusok. Rövid ismertetés. Egyszerű genetikus algoritmus. Illusztratív példa.

    A kombinációs változatok áttekintése

    Neuralizált fuzzy rendszerek

    A terület áttekintése. Csoportosítás.

    Hibrid (integrált) neuralizált fuzzy rendszerek:

    I. Fuzzy rendszer tervezése neurális hálózattal bemeneti/kimeneti adatokból. Bevezetés. Backpropagation változat. További változatok. Összehasonlítás neurális hálózattal.

    II. Neurális hálózattal létrehozott fuzzy következtetés (NDR): Bevezetés. A rendszer leírása. A módszer lépései. Példa.

    III. Neurális-fuzzy szabályozó (NEFCON): A hálózat felépítése. A tanulási lépések. A részletesebb leírás: Az architektúra. A működés. Fuzzy hiba-propagálás. A szabálybázis tanulása. A NEFCON megítélése. Példák.

    IV. Neurális hálózat alapú fuzzy logikai szabályozó: A FALCON változatai. Az egyes rétegek funkciói. Tanulási szabályok: Kezdeti struktúra. Tagsági függvények tanulása. Szabálybázis konstruálása. Illusztratív példa.

    V. Általános közelítő következtetés alapú intelligens szabályozás (GARIC): Egyszerű GARIC-os szabályozási kör. Tanuló lépések. Példa.

    VI. A Fuzzy-Net (FUN) modell: Tanulási lépések. A tagsági függvények tanulása.

    VII. ANFIS: Az adaptív hálózatokról. Az ANFIS bemutatása.

    Kooperatív neuro-fuzzy módszerek

    I. Tagsági függvények optimális meghatározása.

    II. Szabálybázis tervezése tanuló vektorkvantálással.

    III. Szabály alakítás közvetlen összeméréssel.

    Fuzzyfikált neurális hálózatok

    I. Áttekintés a biológiai neuronra alapozva: Neurális morfológia. Hálózati architektúrák. Tanulási sémák.

    II. A fuzzyfikált hálózatokról: Az éles neurontól a fuzzy neuronig. Általánosított fuzzy neuron és hálózat. Aggregációs és aktivizációs függvények. ÉS és VAGY fuzzy neuronok. Többréteges hálózatok. Tanulás és adaptáció. Példák.

    III. A fuzzy aritmetikás változat: Fuzzy paraméterek: A hálózat. A tanuló algoritmus. Példa. Fuzzy bemenet: A hálózati architektúra. Az algoritmus. Szimulációs eredmények. Fuzzy hiba-függvény.

    Fuzzy, neurális, genetikus kombinációk.

    I. Fuzzy-neurális rendszer genetikus optimalizálása: A technológiák és a szabályozási alapok áttekintése. A hibrid processzálás. Esettanulmány. Jövőbeni irányzatok.

    II. Neuralizált fuzzy hálózat genetikus tervezése: Aszinkron genetikus algoritmus. Az FNC modul kölcsönhatása a GA optimalizálóval. Alkalmazási példa.

    III. Hűtőgép stabilis hőfokszabályozása: Fuzzy szabályok önhangoló módszerei. Javítás genetikus algoritmussal. Hűtőgép stabilis hőfok szabályozása.

    Fuzzy genetikus kombinációk

    Genetikus algoritmusok fuzzy rendszerek javítására

    I. Fuzzy logika és genetikus algoritmus adaptív folyamat szabályozásra: A technológia és a problématerület. Összevetés rokon hibrid rendszerekkel. Egy adaptív GA-FLC bemutatása.

    II. Genetikus módszer fuzzy szabályok tanulására: Fuzzy rendszer genetikus kódolása. A GA tanuló minta. Illusztratív példa.

    Genetikus algoritmusok javítása fuzzy logikával

    III. Fuzzyfikált genetikus algoritmus és alkalmazása. A fuzzy-genetikus algoritmus. Példa. Fuzzy szabályozó.

    Genetikus műveletek fuzzyfikálása

    IV. Fuzzy logikával irányított genetikus algoritmus: Bevezetés. A keresztezési fuzzy szabályozó. A mutáció fuzzy szabályozó. Esettanulmány. Értékelés.

    Genetikus neurális kombinációk

    I. A terület áttekintése: Segítő kombinációk. Kollaboráns kombinációk.

    II. Neurális hálózat súlyainak optimalizálása: A keresztezés és mutáció adaptív valószínűsége. Redundancia eliminálása. Hibrid módszer. Értékelés.

    Kaotikus kombinációk

    I. A káosz.

    II. A kaotikus neuron: Bevezetés. A kaotikus neuron. Egy kaotikus neurális hálózat. A kaotikus önszervező térkép.

    III. Fuzzy káosz: Kaotikus idősor előrejelzése.

    Klasszikus intelligens kombinációk

    I. Fuzzy-PID kombinációk: Párhuzamos rendszerek. Klasszikus felügyelős rendszer. Fuzzy "felügyelős" rendszer.

    II. Fuzzy csúszómód: Fuzzy mint csúszómód szabályozás: Analízis. Tervezés.

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

    (előadás, gyakorlat, laboratórium):

    Előadás

    10. Követelmények

    a. A szorgalmi időszakban: 1 db. zh. megirása legalább elégséges (2) eredménnyel.

    b. A vizsgaidőszakban: szóbeli vizsga

    c. Elővizsga: az elővizsga feltétele a legalább jó (4) zh. eredmény.

    11. Pótlási lehetőségek

    A szorgalmi időszakban: 1 alkalommal.

    A vizsgaidőszakban: 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 óra

    60

    Félévközi készülés órákra

    Felkészülés zárthelyire

    40

    Házi feladat elkészítése

    Kijelölt írásos tananyag elsajátítása

    ..

    Vizsgafelkészülés

    50

    Összesen

    150

    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Retter Gyula

    Professor Emeritus

    VET (VG)