Subject » BMEVIIIM303
Artificial Intelligence Laboratory
Mesterséges Intelligencia labor
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Mesterséges Intelligencia labor
Artificial Intelligence Laboratory
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIIIM303 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 4 | ||||||||||||
| Subject coordinator |
DR. Harmati István
position: egyetemi docens
contact:
harmati.istvan@vik.bme.hu
|
||||||||||||
| Responsible department |
Irányítástechnika és Informatika Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
1. Mérés: Nemlineáris rendszerek PID elvű fuzzy irányítása. A mérés során a priori tudásbázis alapján a specifikációknak megfelelő fuzzy szabályozó tervezése és a szabályozó hatékonyságának vizsgálata a feladat.
2. Mérés: Nemlineáris rendszerek irányításának tervezése genetikus algoritmusokkal. A mérés célja (1) különböző tesztfüggvények globális minimumhelyének keresése genetikus algoritmusokkal és (2) háromtárolós rendszer PID szabályozójának tervezése genetikus algoritmussal.
3. Mérés: Rendszeridentifikáció (függvényapproximáció) fuzzy rendszerekkel. A mérés célja ismeretlen rendszer identifikációja (1) nulladrendű Sugeno rendszer hiba-visszaterjesztésen alapuló paraméterhangolásával, (2) legközelebbi szomszéd elvű klaszterezési algoritmussal, (3) fuzzy rendszer adaptív szabályfelvételével.
4. Mérés: Adaptív Sugeno-fuzzy irányítási algoritmusok fejlesztése. A mérés célja egy ismeretlen nemlineáris rendszer (1) Indirekt (modellre alapozott) 1. típusú adaptív fuzzy irányítása, (2) Indirekt 2. típusú adaptív fuzzy irányítása, (3) Direkt (nem modellre alapozott) 1. típusú adaptív fuzzy irányítása, (4) Direkt 2. típusú adaptív fuzzy irányítása.
5. mérés: Rendszeridentifikáció és irányítás neurális hálózatokkal. A mérés célja (1) ismeretlen nemlineáris rendszer identifikációja neurális hálózattal különböző (backpropagation, Widrow-Huff, Levenberg-Marquadt) hangolási technikákkal és különböző tanítópont eloszlások mellett, (2) ismeretlen nemlineáris rendszer irányítása adaptív neurális irányítással.
6. Mérés: Magasszintű blokkorientált folyamatvizualizáló nyelv megismerése. Listák és grafikus objektumok kezelésének begyakorlása. Sorrendi irányítás tervezése és leírása folyamatvizuáló nyelven, tesztelés és verifikálás.
7. Mérés: Navigációs célú jelfeldolgozás gyorsulásérzékelő, giroszkóp, mágneses iránytű és GPS bevonásával. Állapotbecslés megvalósítása Kalman-szűrőkkel beágyazott architektúrán.
8. Mérés: Ismeretlen nemlineáris rendszer identifikációja szubtraktív klaszterezéssel és ANFIS technikával.
9. Mérés. Formációban haladó járművek stabil irányítása potenciálfüggvényen alapuló technikával. Formáció váltás (lineáris, ortogonális és V-alakú konfigurációk) megvalósítása.
10. Mérés. Passzivitás-elvű tervezés szinkronizált pályakövetés megvalósítására. Kapcsolatgráf, pályaparaméterezés, időskálázás, decentralizált irányítás, kommunikációs csúszás hatásának analizálása.
A tantárgy célja, hogy jártasságot adjon az irányítástechnikában és a rendszermodellezésben egyre intenzívebben alkalmazott korszerű, lágy számítási technikákon alapuló mesterséges intelligencia módszerek, továbbá a folyamat-vizualizáció és a navigációs célú jelfeldolgozás területén. A módszerek alkalmazását tipikus irányítástechnikai és robotikai tervezési feladatok keretében korszerű eszközök felhasználásával mutatja be.
A tantárgyat sikeresen abszolváló hallgatók közre tudnak működni komplex rendszerek modellezésében, rendszer optimalizációs és döntési feladatok megoldásában, továbbá irányítási, felügyeleti és navigációs rendszerek fejlesztésében és megvalósításában. Hosszú távon hasznosítható készségekkel rendelkeznek a lágy számítási módszerek műszaki területeken való alkalmazásában és a mesterséges intelligencia módszereket igénylő informatikai rendszerek fejlesztésében és kutatásában.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
A tárgy 10 laboratóriumi mérésből. A mérések egyenként 4 órásak.
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Szabályozástechnika, Fuzzy rendszerek és genetikus algoritmusok
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Szabályozástechnika, Fuzzy rendszerek és genetikus algoritmusok
General rules
Követelmények:
A 10 mérés mindegyikét a szorgalmi időszakban kell elvégezni legalább elégséges eredménnyel. A félévközi jegy a mérési osztályzatok átlaga.
Pótlási lehetőségek:
Az elmulasztott vagy sikertelen mérések pótlására 2 pótmérési alkalmat biztosítunk a szorgalmi időszakban. A mérések pótlására a pótlási héten már nincsen lehetőség.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Lágy számítási módszerek
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.