Tantárgy » BMEVIIIM303
Mesterséges Intelligencia labor
Artificial Intelligence Laboratory
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Mesterséges Intelligencia labor
Artificial Intelligence Laboratory
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVIIIM303 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | félévközi érdemjegy | ||||||||||||
| Tantárgy kreditértéke | 4 | ||||||||||||
| Tantárgyfelelős |
DR. Harmati István
beosztás: egyetemi docens
elérhetőség:
harmati.istvan@vik.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
Irányítástechnika és Informatika 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
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.
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
A tárgy 10 laboratóriumi mérésből. A mérések egyenként 4 órásak.
Tanulástámogató anyagok
Online források
Harmati-Katona-Szádeczky-Prohászka-Lantos: Mesterséges intelligencia labor segédletek 1-10. BME Irányítástechnika és Informatika Tanszék, 2008.
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Szabályozástechnika, Fuzzy rendszerek és genetikus algoritmusok
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)
Szabályozástechnika, Fuzzy rendszerek és genetikus algoritmusok
Általános szabályok
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.
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
Lágy számítási módszerek
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.