Mesterséges intelligencia alapú irányítások

Artifical Intelligence Based Control

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Mesterséges intelligencia alapú irányítások

Artifical Intelligence Based Control

Tantárgykód

BMEVIIIMA09

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

Kurzustípus	elmélet	gyakorlat	laboratóriumi gyakorlat
óraszám (heti)	2	1	0
jelleg (kapcsolt/önálló)	—	kapcsolt	—

Tanulmányi teljesítmény/értékelés típusa

vizsga

Tantárgy kreditértéke

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

edu.iit.bme.hu (regisztráció szükséges)

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. Fuzzy-neurális rendszerek alapjai. A fuzzy rendszer fogalma, a fuzzy következtetés elméleti alapjai. Fuzzy elven működő szabályozások felépítése, szabálybázisa, algoritmusa. MacVicar- Whelan metaszabályok.

2. Numerikus optimalizálási módszerek összefoglaló áttekintése. Optimum szükséges analitikus feltétele korlátozások mellett. Optimalizálási módszerek. Gradiens, konjugált gradiens és kvázi-Newton technikák. Gradiens számítás neurális hálózatban. Lineáris és nemlineáris paraméterbecslés.

3. Szubtraktív klaszterezés elméleti háttere, algorítmusa, a módszer alkalmazhatósága. Visszacsatolatlan neurális hálózatok felépítése, tanulás hiba visszaterjesztéssel. Mély tanulási módszerek alapjai. Adaptív Neuro-fuzzy rendszerekkel való identifikáció, a módszer felépítése, hangolási szabályok, ANFIS.

4. Genetikus algoritmusok felépítése. Genetikus operátorok: szelekció, rekombináció, mutáció, visszahelyettesítés, migráció. Szabályozótervezés genetikus algoritmussal.

5. Adaptív fuzzy irányítás. Névleges és felügyelő szabályozó tervezés, indirekt (modellre alapozott) és direkt (modellt nem használó) adaptív irányítás, stabilitásvizsgálat.

6. Rajintelligencia módszerek. Hangyakólónia algoritmusok, részecskeraj optimalizáció. Rajintelligencia módszereken alapuló optimalizáció, rendszer identifikáció és szabályozótervezés.

7. Mély neurális hálózatok az irányításban és identifikációban. A mély neurális hálózatok felépítése, a sekély neurális hálózatokkal való kapcsolata. Mély tanulási módszerek alapjai: autokódolók, sztochasztikus neurális hálózatok, konvolúciós hálózatok szabályozási feladatokban.

8. A megerősítéses tanulás alapjai. Ismert és ismeretlen/nagyméretű Markov Döntési folymatok predikciója, irányítása: Monte Carlo, Temporal Difference alapú tanulások, Sarsa, Q-learning. A mély megerősítéses tanulás alapjai: DQN, REINFORCE, Actor-Critic hálók a predikcióban és irányításban.

9. Adaptív neurális irányítás. Direkt adaptív neurális irányítás teljes állapot-visszacsatolással, adaptív irányítás neurális hálózat alapú megfigyelővel. Esettanulmány: repülőgépirányítás.

10. SVD alapú fuzzy approximáció és szabályozó tervezés. Az algoritmusok felépítése, a matematikai feltételek biztosítása, többváltozós kiterjesztés. Szabályozótervezés SVD-technikával.

11. Optimalizálás és irányítás tervezés evolúciós és bakteriális algoritmusokkal. Az algoritmusok felépítése, fuzzy interpretáció, szabályozótervezés.

12. Kitekintés. Új mesterséges intelligencia módszerek és alkalmazásuk az irányításelméletben.

A tantárgy célja hogy bemutassa az irányításelméletben és rendszermodellezésben egyre intenzívebben alkalmazott korszerű, lágy számítási technikákon alapuló mesterséges intelligencia módszereket. A módszerek alkalmazását nemlineáris identifikációs és irányítástechnikai tervezési feladatok keretében korszerű eszközök felhasználásával mutatja be. A tantárgyat sikeresen abszolváló hallgatók közre tudnak működni komplex rendszerek modellezésében, irányítási algoritmusainak fejlesztésében és megvalósításában, továbbá általánosabb optimalizációs és döntési feladatok megoldásában. Hosszútávon hasznosítható készségekkel rendelkeznek a fuzzy-neurális és genetikus algoritmusok műszaki és nem műszaki (biológiai, közgazdasági) 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 előadásból és az előadás anyagát illusztráló gyakorlatokból áll.

Tanulástámogató anyagok

Online források

[1] Elektronikus segédanyagok a tanszék oktatási portálján:; edu.iit.bme.hu (regisztráció szükséges); [2] B. Lantos: Fuzzy systems and genetic algorithms, 2002, Műegyetemi kiadó

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, Szabályozástechnika

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, Szabályozástechnika

Általános szabályok

Követelmények: Egy zárthelyi a szorgalmi időszakban. Az aláírás feltétele legalább elégséges zárthelyi osztályzat. Eredménye 20% arányban beszámít a vizsgajegybe. Pótlási lehetőségek: A zárthelyi a szorgalmi időszakban vagy a pótlási héten pótolható.

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.