A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
Méréselmélet
Measurement Theory
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIMIMA18 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 3 | ||||||||||||
| Subject coordinator |
Dr. Péceli Gábor
position: egyetemi tanár
contact:
peceli.gabor@vik.bme.hu
|
||||||||||||
| Responsible department |
Mesterséges Intelligencia és Rendszertervezés 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
Modellillesztés (4 óra elmélet/előadás):
Célkitűzés: annak egyértelművé tétele, hogy a mérési eljárás célja és egyben legfontosabb eszköze a modellillesztés: a mérés maga a legjobban illeszkedő modell - valamilyen formában történő - megadását jelenti.
A regressziós feladat általánosítása: identifikáció/adaptáció/tanulás. Illesztési kritériumok, illesztési eljárások globális, ill. lokális információ alapján: a Gauss-Newton eljárás, gradiens alapú, ill. közelítőleg gradiens eljárások. Adaptív véges impulzusválaszú (FIR) szűrők. Adaptív végtelen impulzusválaszú (IIR) rendszerek.
Becslés- és döntéselmélet (4 óra elmélet/előadás):
Célkitűzés: a modellillesztés feladatának bővítése olyan esetekkel, amikor a jelenségek leírásában hangsúlyosabb szerepet kapnak valószínűségi modellek és eljárások.
A döntéselmélet alapjai. Becslések és döntések jellemzői, minősítésük. Bayes-becslők. Maximum-likelihood becslők. Lineáris becslések. A Gauss-Markov becslő. Legkisebb négyzetes hibájú becslők.
Modell-alapú jelfeldolgozás (4 óra elmélet/előadás):
Célkitűzés: átfogó képet adni a jelreprezentáció és a jelfeldolgozás legfontosabb alapelveiről és ezek kapcsolatáról, és arról, hogy a hatékony jelfeldolgozás előfeltétele és eszköze a jó jelreprezentáció.
Jelmodellek: a jeltér fogalma, determinisztikus és sztochasztikus jelek leírása, jel reprezentációk. Időtartomány, transzformált tartomány. Jeltranszponálás, sáv-szelektív feldolgozás. A megfigyelő-elmélet alapjai. Megfigyelők állapotbecslésre. A Kalman-prediktor. A jelreprezentációs technikák és a megfigyelők kapcsolata. Rekurzív transzformációk megvalósítása. Megfigyelők jelfeldolgozási feladatokra. Transzformált tartománybeli jelfeldolgozás.
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
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
General rules
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
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.