Intelligens elosztott rendszerek

Distributed Intelligent Systems

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Intelligens elosztott rendszerek

Distributed Intelligent Systems

Tantárgykód

BMEVIMIAC02

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. Dobrowiecki Tadeusz Pawel

beosztás: egyetemi docens

elérhetőség: dobrowiecki.tadeusz@vik.bme.hu

Tantárgyat gondozó oktatási szervezeti egység

Mesterséges Intelligencia és Rendszertervezés Tanszék

Kar

Villamosmérnöki és Informatikai Kar

Tantárgy weboldala

http://www.mit.bme.hu/oktatas/targyak/VIMIAC02

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

1h. Alkalmazások

Intelligens elosztott rendszerek tipikus alkalmazási környezetei: kiber-fizikai rendszerek, intelligens beágyazott rendszerek, ambiens intelligens terek, otthoni egészségügy és AAL (Ambient Assisted Living), intelligens szenzor hálózatok, szolgáltató robot együttesek, stb., stb. (problémák feltárása, alapvető követelmények, tipikus feladatok, az ember-gép kapcsolat átértékelése).

2h. Adatelemzés

Heterogén adatok statisztikai alapelemzése, felderítő adatelemzése. Adatelemzési eredmények felhasználása döntéstámogatási feladatokban.

3h. Információ- és tudásfúzió

Az információmenedzsment, információ és tudásfúzió problémái. Szenzor szintű információfúzió, fúziós architektúrák, fúziós algoritmusok.

4h. Szemantikus fúzió

Szemantikus fúzió ontológiák és ontológiai következtetés segítségével. Szenzorweb szabvány, SOS (szenzor operációs rendszer).

5h. Tárgyterületi modellek tervezése.

Ontológiai tudás és menedzsmentje, ontológiamérnökség. Leíró nyelvek és platformok, RDF adatmodellek, OWL, Protege. Problémamegoldás ontológiákkal, következtetés.

6h. Elosztott rendszerek tudásalapú modellezése

Tudáskezelés: specifikus reprezentációs problémák, logikai és emocionális modellek, temporális és térbeli következtetés.

7h. Többágenses szervezetek

Többágenses rendszer architektúrák, többágenses rendszerek szervezeti formái és azok tulajdonságai. Szervezeti formák tipikus alkalmazási környezetei, a centralizált rendszerektől az elosztott intelligenciáig.

8h. Ágens kommunikációs nyelvek

Integráció kommunikáció révén, ágens rendszerek viszonya a párhuzamos programozási paradigmákhoz. Ágens kommunikációs nyelvek speciális vonásai. FIPA szabvány és Jade implementációja.

9h. Kommunikációs protokollok

Párbeszéd-protokollok fajtái. Kommunikációs párbeszéd szabványosítási problémái. Ágens programozási platformok. BDI rendszermodell AgentSpeak megvalósítása és Jason implementációja.

10h. Kooperatív protokollok

Kooperatív protokollok lényege. Elosztott következtetés. Vállalkozási Hálók protokollok (alap protokoll és kiterjesztései).

10h. Mechanizmus-tervezési protokollok kompetetív környezetben

Mechanizmus-tervezés piaci paradigmában és az árverési algoritmusok. Gépi árverés speciális vonásai. Intelligens rendszerek feladatmegosztásának piaci megközelítése. Egyszerű és összetett feladatok megosztása.

10h. Tevékenység-koordinálás

Koordinálási problémák. Tevékenység-koordinálás kooperatív elosztott kereséssel és tervkészítéssel.

11h. Konfliktusok és modellezésük

Konfliktusok problémaköre, tudás-intenzív konfliktusfeloldás, mechanizmus-tervezés és az alapvető játékelméleti fogalmak és sémák.

12h. Konfliktusok kezelése versengő környezetekben

Szavazáselmélet. Szavazó protokollok és problémái. Gépi szavazás speciális problémái. Ad hoc megoldások.

13h. Adaptivitás elosztott kooperatív rendszerekben

Alapvető tanulási sémák. Tudáskomponensek (hiedelmek és célok, ill. eljárásmódok) tanulása. Kooperatív tanulás lehetőségei.

14h. Adaptivitás elosztott versengő rendszerekben

Tanulás versengő környezetben. Megerősítéses tanulás versengő környezetben.

Gyakorlatok:
A gyakorlatokon a hallgatók megismernek elosztott ágens környezet technológiákat és ezek alkalmazását beágyazott környezetekben, otthoni intelligens környezetekben.

1. gyakorlat: Információ-fúzió

Heterogén adatok vizsgálata, alapelemzésének bemutatása szimulált és valós adatok segítségével.

2. gyakorlat: Információ-fúzió

Információfúzió, fúziós eljárások vizsgálata és összehasonlítása.

3. gyakorlat: Ontológiai tudásmenedzsment

Egyszerű ontológiák tervezése, szerkesztése, ontológiai következtetési kísérletek.

4. gyakorlat: Kommunikáció és kooperáció

Kommunikáció ACL szintem (FIPA szabvány). Vállalkozási Hálók protokollok megvalósítása, kisérletezés (Jade platform, Java programozás).

5. gyakorlat: Kommunikáció és kooperáció

Kooperatív feladatmegoldás szimulált beágyazott környezetben. Ágensek BDI modellezése (AgentSpeak, Jason platform, Java programozás).

6. gyakorlat: Kommunikáció versengő környezetben

Kísérletezés árverési és szavazási protokollokkal elosztott gépi környezetben (Jade platformon, Java programozás).

7. gyakorlat: Elosztott tanulás

Kísérletezés megerősítéses tanulási sémákkal kooperatív és versengő alkalmazói környezetben (feltehetően Matlab programozás).

A tantárgy célkitűzése, hogy a hallgatók tanulmányozzák és tervezési jártasságot szerezzenek abban, hogy a gépi intelligenciát hogyan lehet alkalmazni az elosztott informatikai rendszerek szolgáltató képességeinek fokozására és ezáltal hogyan lehet lényegesen szélesíteni e rendszerek alkalmazási körét. Ez elsődlegesen az intelligencia rendszerintegráló, információfuzionáló, biztonságnövelő szerepét, továbbá a rendszer robusztusságának, adaptivitásának, és rugalmasságának növelését jelenti intelligens megoldások révén. A tárgy épít a Mesterséges intelligencia tantárgyban tanult módszerekre és ezeket felhasználva végigköveti az intelligens szolgáltatások kialakításának folyamatát a tudásalapú modellezés technológiáitól indulva, az adatok gyűjtésének és kiértékelésének feladatain keresztül, a kinyert információknak a rendszer jobbítására, tanulásra történő felhasználásáig. A rendszer képességei kiterjeszthető az intelligencia elosztásával, kitekintést adunk az elosztott, versengő vagy együttműködő többágenses megoldásokra, robotikus környezetekre, elosztott vegyes ember-gép rendszerek lehetőségeire

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

Előadás és demonstrációk/gyakorlatok tantermi és labor környezetben, ill. egyes számonkérendő témakörök otthoni munkával történő elsajátítása megadott olvasmányok és demó platformok alapján.

Tanulástámogató anyagok

Online források

Stuart Russell és Peter Norvig: Mesterséges intelligencia; korszerű megközelítésben, 2., átdolgozott kiadás, Panem Kiadó, Budapest, 2006; M. Wooldridge, An Introduction to MultiAgent Systems. John; Wiley & Sons, 2008.; R. H. Bordini, J. F. Hübner, and M. Wooldridge, Programming; Multi-Agent Systems in AgentSpeak using Jason. John Wiley & Sons, 2007.; Fabio Luigi Bellifemine, Giovanni Caire, Dominic Greenwood,; Developing Multi-Agent Systems with JADE, John Wiley & Sons, 2007.; Jose M Vidal, Fundamentals of Multiagent Systems with; NetLogo Examples, 2010, http://jmvidal.cse.sc.edu/papers/mas.pdf; E. A. Lee and S. A. Seshia, Introduction to Embedded; Systems: A Cyber-Physical Systems Approach, 2nd Ed., 2017, MIT Press.; K. Faceli, A.C.P.L.F. De Carvalho and S.O. Rezende,; Combining Intelligent Techniques for Sensor Fusion, Applied Intelligence Vol.; 20. 2004. pp 199-213.; Mesterséges Intelligencia Elektronikus Almanach, http://mialmanach.mit.bme.hu/aima/index

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

Beágyazott rendszerek, mesterséges intelligencia, elosztott 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)

Beágyazott rendszerek, mesterséges intelligencia, elosztott rendszerek.

Általános szabályok

Követelmények: A szorgalmi időszakban: Félév közben (előadástól külön időpontban) egy nagy ZH, amely a félév utolsó hetében pótolható, a szükséges minimum szint 40% (azaz 20 pont). Félév közben egy nagy, programozás jellegű házi feladat (nagyobb elosztott intelligens rendszer tervezése). A szükséges minimum szint 50% (azaz 10 pont). Félév közben kisebb, pontozott fakultatív programozási feladatok. A vizsgaidőszakban: Írásbeli vizsga (esetenkénti beugróval): a szükséges minimum szint 40% (azaz 20 pont). Az érdemjegy megállapításánál figyelembe vesszük az érvényes ZH pontszámának a felét, a kötelező és a fakultatív házi feladat pontokat, valamint a vizsgán szerzett pontokat. Pótlási lehetőségek: A ZH és a házi feladat külön eljárási díj ellenében a pótlási héten pótolható. A fakultatív házi feladatok a szorgalmi időszakon túl nem pótolhatók.

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

IMSc program: Az IMSc program hallgatói számára emelt szintű fakultatív házi feladatokat kínálunk. Alapvető célunk az, hogy a hallgatókat a tananyag mélyebb megismerésére ösztönözzük, ugyanakkor fakultatív feladatokkal választási lehetőségeket is kínáljunk számukra. IMSc pontok: A tantárgyból maximum 20 IMSc pont szerezhető, amire összesen 30 pontnyi választási lehetőséget kínálunk az alábbiak szerint: Zárthelyin (pótzárthelyin) maximum 8 IMSc pont szerezhető a haladó feladat megoldásáért, ha a dolgozat többi részéből legalább 66%-ot elért a hallgató.Fakultatív házi feladatok emelt szintű megoldásáért összesen maximum 14 IMSc pont szerezhető.Bármelyik vizsgán maximum 8 IMSc pont jár a haladó feladat megoldásáért, ha a vizsgán szerzett érdemjegy egyébként jeles. Az IMSc pontok gyűjtése teljesen független a tantárgyban szerezhető ZH, vizsga- és fakultatív házi feladat pontoktól. Ezen pontok megszerzése és a fakultatív feladatok megoldása nélkül is jeles szinten teljesíthetők a tantárgy követelményei. Az IMSc pontok megszerzése az IMSc programban nem résztvevő hallgatók számára is biztosított.

Ajánlott tantárgyak

Rendszermodellezés, Mesterséges intelligencia

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.