K-INFO
HU
EN
Belépés

Neurális hálózatok és hírközlő alkalmazásaik

Neural Networks and Their Applications in Telecommunications
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Tantárgy neve (magyarul, angolul)
Neurális hálózatok és hírközlő alkalmazásaik
Neural Networks and Their Applications in Telecommunications
Tantárgykód BMEVIHID239
Tantárgyjelleg
Képzési szint
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 4 0 0
jelleg (kapcsolt/önálló)
Tanulmányi teljesítmény/értékelés típusa vizsga
Tantárgy kreditértéke 5
Tantárgyfelelős
DR. Levendovszky János
beosztás: egyetemi tanár
Tantárgyat gondozó oktatási szervezeti egység
Hálózati Rendszerek és Szolgáltatások Tanszék
Kar Villamosmérnöki és Informatikai Kar
Tantárgy weboldala
Tantárgy elsődleges mintatantervi jellege
Közvetlen előkövetelmények – Erős előkövetelmény nincs
Közvetlen előkövetelmények – Gyenge előkövetelmény nincs
Közvetlen előkövetelmények – Párhuzamos előkövetelmény nincs
Közvetlen előkövetelmények – Mérföldkő előkövetelmény nincs
Közvetlen előkövetelmények – Kizáró feltétel nincs

Célkitűzés

Tantárgyprogram

- A hírközléselmélet néhány nevezetes jelfeldolgozási és detekciós problémája, valamint ezek hagyományos megoldási módjai

- A neurális struktúrák hálózatelmélete

adott függvényosztály approximációja előrecsatolt neurális hálózatokkal, az optimális súlyok megtanulása (determinisztikus, sztochasztikus módszerek)

visszacsatolt neurális hálózatok (Hopfield típusú hálózatok) és stabilitásuk vizsgálata

- Asszociatív memóriák és ezek felhasználása kommunikációs rendszerekben

az asszociatív memóriák jellemzői (kapacitás, stabilitás, előhívási folyamatok, tranziensidő)

asszociatív memóriák felhasználása hibajavító dekódolásban, képfelismerésben, logikai függvények szintézisében

- Zajos és lineárisan torzított bináris jelek és üzenetek detekciója digitális kommunikációs rendszerekben neuron struktúrákkal (Hopfield hálózattal, szimulált lehűléssel, Boltzmann géppel)

- Adaptivitás és tanulás kommunikációs rendszerekben

az adaptivitás szükségessége rádiós és vezetékes rendszerekben

klasszikus adaptív és tanuló algoritmusok (adaptív szűrők és kiegyenlítők)

nemparametrikus detekció neurális hálózattal

- Neurális hálózat implementációi

optikai realizálás, VLSI implementáció

- A neurális hálózatok alkalmazása ATM hálózatokban

a hívásengedélyezés mint halmazszeparálás approximációja neurális hálózatokkal

súlyozott hibájú tanulási módszer ATM hálózatok forgalmi irányítására

Routing neurális hálózatokkal

Large deviation elmélet a cellavesztési valószínűség kiszámítására

sor analízis az ATM kapcsolón

- Neurális hálózatok hierarchikus jelfeldolgozásra és állapotfüggő monitorozásra

hierarchikus rendszerek nagy ipari folyamatok felügyeletére (pl. állapotfüggő karbantartás)

neuron fuzzy alapú döntési rendszerek

főkomponens analízis neurális hálókkal

Megismertetni a hallgatókat, a gyakorlatban már megjelent, illetve jelenleg elterjedő neurális tervezési technikákkal, a jelfeldolgozás, illetve kommunikációs rendszerek területén.

Tanulmányi eredmények

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

Oktatási módszertan

Az ismeretek elsajátítása előadások formájában történik. A félév utolsó előadásain, egy adott részproblémában elmélyedni kívánó hallgatók saját szemináriumot tartanak.

Tanulástámogató anyagok

Online források
“Neural Networks in Telecommunications” ed. by B. Yuhas, N. Ansari, Kluwer Academic Publishers, 1994.; “Digital Communications” J. Proakis, McGraw Hill, 1986; A témához kapcsolódó sokszorosított cikkek

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Matematika, Valószínűségszámítás, Hálózatok és rendszerek
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Matematika, Valószínűségszámítás, Hálózatok és rendszerek
Általános szabályok
Követelmények: a. A szorgalmi időszakban: A szorgalmi időszak lezárásának feltétele: az előadások rendszeres látogatása b. A vizsgaidőszakban: Írásbeli és szóbeli c. Elővizsga: -
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak
-
A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
Tantárgykövetelmények hatályosságának vége:
Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.