Tantárgy » BMEVIIIMB06
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 | BMEVIIIMB06 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 5 | ||||||||||||
| 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 | https://edu.vik.bme.hu/ | ||||||||||||
| 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
Az előadások részletes tematikája:
1. Fuzzy rendszerek alapjai. A fuzzy rendszer fogalma, a fuzzy következtetés elméleti alapjai. Fuzzy elven működő szabályozások felépítése, szabálybázisa, algoritmusa. MacVicar- Whelan metaszabályok. (2 hét)
2. Genetikus algoritmusok felépítése. Genetikus operátorok: szelekció, rekombináció, mutáció, visszahelyettesítés, migráció. Szabályozótervezés genetikus algoritmussal. (1 hét)
3. Lineáris és nemlineáris paraméterbecslés. Batch és rekurzív eljáráson alapuló paraméterbecslési eljárások lineáris és nemlineáris rendszermodellekre. (1 hét)
4. Klaszterezési eljárások. Grid particionálás, Szubtraktív klaszterezés, fuzzy c-mean klaszterezés elméleti alapjai, az algoritmusok felépítése (1 hét).
5. Visszacsatolatlan sekély neurális hálózatok felépítése, tanulás hiba visszaterjesztéssel. Mély tanulási módszerek alapjai. Autokódolók, sztochasztikus neurális hálózatok, konvolúciós hálózatok szabályozási feladatokban. Visszacsatolt (RNN, LSTM) hálózatok dinamikus feladatok megoldására (2 hét)
6. Adaptív Neuro-fuzzy rendszerekkel való identifikáció, a módszer felépítése, hangolási szabályok, ANFIS. (1 hét)
7. Adaptív fuzzy irányítás. Névleges és felügyelő szabályozó tervezés, indirekt (modellre alapozott) és direkt (modellt nem használó) adaptív irányítás, stabilitásvizsgálat és paraméterhangolási szabályok. (2 hét)
8. A megerősítéses tanulás alapjai. Ismert és ismeretlen/nagyméretű Markov Döntési folymatok predikciója, irányítása: Dinamikus programozás, Monte Carlo, Temporal Difference alapú tanulások, Sarsa, Q-learning. A mély megerősítéses tanulás alapjai: DQN, REINFORCE, Actor-Critic hálók a predikcióban és irányításban. (2 hét)
9. Rajintelligencia módszerek. Hangyakólónia algoritmusok felépítése és alkalmazásaik diszkrét optimalizációs problémák megoldására. Részecskeraj optimalizáció elméleti háttere és az algoritmus lépései. Rajintelligencia módszereken alapuló optimalizáció, rendszer identifikáció és szabályozótervezés. (1 hét)
A gyakorlatok részletes tematikája:
1. Fuzzy szabályozó tervezése Matlab-Simulink környezetben Fuzzy Toolbox segítségével. (1 hét)
2. PID szabályozó paramétereinek meghatározása genetikus algoritmus alkalmazásával Matlab-Simulink környezetben (1 hét)
3. Rendszeridentifikáció lineáris, nemlineáris paraméterbecsléssel Matlab környezetben (1 hét)
4. Klaszterező és ANFIS módszerek megvalósítása Matlab környezetben. (1 hét)
5. Vasúti biztosító berendezés meghibásodásának előrejelzése Matlab Deep Learning Toolbox segítségével. (1 hét)
6. Nemlineáris rendszer irányítása megerősítéses tanulással Matlab környezetben a Reinforcement Learning Toolbox alkalmazásával. (2 hét)
A tantárgy célja, hogy a hallgatók ismereteket szerezzenek komplex rendszerek mesterséges intelligencia módszerekkel történő irányításának és identifikációjának legújabb, a gyakorlatban is használt módszereiről. A hallgatók megismerkednek az alábbi legelterjedtebb mesterséges intelligencia módszerek koncepciójával és elméleti hátterével:
• Fuzzy rendszerek
• Genetikus algoritmusok
• Neurális hálózatok
• Neuro-fuzzy rendszerek
• Rajintelligencia módszerek
• Megerősítéses tanulás
A tárgy megmutatja, hogy a fent említett módszerek hogyan alkalmazhatók elsősorban (de nem kizárólagosan) irányítástechnikai, rendszermodellezési és optimalizálási problémák megoldására korszerű, számítástudományt támogató programozási platformok (elsősorban MATLAB) alkalmazásával.
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 anyaga előadásokon és gyakorlatokon kerül bemutatásra. Az előadások és a gyakorlatok az anyag ütemében váltogatják egymást. A gyakorlatokon számítási példák és esettanulmányok formájában kerül elmélyítésre az előadásokon elhangzott elméleti tananyag.
Tanulástámogató anyagok
Online források
B. Lantos: Fuzzy systems and genetic; algorithms, 2002, Műegyetemi kiadó; M. Dorigo: Ant Colony Optimization,; MIT University Press Ltd., 2004; R. S. Sutton, A. G. Barto:; Reinforcement Learning: An introduction, MIT Press, 2018; P. Kim: MATLAB Deep Learning, Apress, 2017
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 (Lineáris algebra, analízis, gradiens alapú numerikus optimalizálás), 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 (Lineáris algebra, analízis, gradiens alapú numerikus optimalizálás), Szabályozástechnika
Általános szabályok
Követelmények:
Szorgalmi időszakban: A tananyag ismeretét a szorgalmi időszak alatt egy alkalommal írásbeli évközi összegző teljesítményérékeléssel mérjük zárthelyi formájában. Az aláírás megszerzésének feltétele a zárthelyi legalább elégséges szintű megoldása.
Vizsgaidőszakban: A vizsgára bocsátás feltétele az aláírás megszerzése. A vizsga írásbeli teljesítményértékelésből és az évközi teljesítményértékelésen elért eredmények beszámításából áll. Az évközi teljesítményértékelések eredményének javítására a vizsgaidőszakban nincsen mód.
A tárgyból szerzett érdemjegy 20%-ban a zárthelyin, 80%-ban a vizsgán elért eredményből (pontszámból) kerül meghatározásra.
Pótlási lehetőségek:
A ZH a szorgalmi időszakban egy alkalommal pótolható vagy annak eredménye javítható. A ZH a pótlási héten nem 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.