Hybrid Information Technologies

Hibrid információs technológiák

A tantárgyleírás hatályossága

Hatályosság kezdete:

—

Hatályosság vége:

—

Subject name (Hungarian, English)

Hibrid információs technológiák

Hybrid Information Technologies

Subject code

BMEVIMM4322

Subject type

—

Training Level

—

Course types and hours (weekly/semester)

Course type	lecture	tutorial	laboratory
hours (weekly)	4	0	0
type (linked/independent)	—	—	—

Assessment type

vizsga

Credits

Subject coordinator

Dr. Dobrowiecki Tadeusz Pawel

position: egyetemi docens

contact: dobrowiecki.tadeusz@vik.bme.hu

Responsible department

—

Faculty

Subject website

http://www.mit.bme.hu/oktatas/targyak/vimm4322/

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

Programme

- Hibrid rendszerek - miért és hogyan? A hibrid rendszerek típusai. Elemi integrációs elvek és problématípusok összevetése.

- Neurális hálók alkalmazása adaptációs mechanizmusként. Paraméter-adaptív és struktúra-adaptív analitikus rendszerek kialakítása.

- A Mixture of Experts (MOE) struktúra, hierarchikus változat.

- Hierarchikus neurális háló rendszerek. Szakértő neurális hálók.

- Döntési fák tanulása (a TREPAN algoritmus).

- OSF szűrők, OSF szűrők tanítása.

- Neurális hálók támogatása szimbolikus rendszerelemekkel. Neurális- szimbolikus architektúrák típusai. A szimbolikus tudás ábrázolása neurális hálókkal. Szimbolikus tudás kinyerése tanított neurális hálózatokból, szimbolikus tudás beépítése neurális hálózatokba.

- Szabályok és példákban való tudás együttes felhasználása. A KBANN háló. Magyarázat generálás.

- Demonstrációs példák, esettanulmányok.

A tárgy célja azon integrációs elvek, rendszertechnikai és implementációs ismeretek bemutatása, amelyek felhasználásával sikeresen fejleszthetők nagybonyolultságú és hibrid architektúrájú intelligens számítógépes rendszerek.

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

: A tantárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák és esettanulmányok.

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies

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

Neurális hálózatok, az ágens fogalma, ágensalapú megoldáshoz illeszkedő problémák, megerősítéses tanulás intelligens ágensek tervezése. A szimbolikus tudás ábrázolása és a szabályalapú rendszerek.

Skill type competencies

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

nincs

Recommended (non-compulsory) preliminary competencies

(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)

General rules

Követelmények: a. A szorgalmi időszakban: Az előadásokon a részvétel nem kötelező, a jelenlét ellenőrzésére nem kerül sor, a hiányzást igazolni nem szükséges. Félévközi ellenőrzések: - 1 nagy ZH. Pótlására a szorgalmi időszak végén 1 alkalmat biztosítunk. A zárthelyi (pótzárthelyi) osztályzata a vizsgajegybe beszámít (20 % súllyal). A zárthelyi (és pótzárthelyi) – a TVSZ és annak hivatalos értelmezése értelmében kötelező - vizsgaidőszakbeli pótlási alkalma egy kijelölt vizsga időpontjában lesz. - 1 házi feladat. A házi feladatra kapott pontszám beszámít a vizsgajegybe 10% súllyal). A házi feladatot legkésőbb a szorgalmi időszak végéig be kell adni, a vizsgaidőszakban nem pótolható! Az aláírás és a vizsgára bocsátás feltétele: elfogadott házi feladat és nagy ZH. A vizsgaidőszakban: A félév lezárásának módja: vizsga. Korábban megszerzett félévvégi aláírás legkorábban 2003-tól fogadható el. (Tehát, aki 2002/2003 tavaszi - második - félév előtt, pl. 2002 tavaszán vagy korábban szerzett aláírást, annak a vizsgára bocsáthatóság feltételeként újra meg kell szereznie idén.) A vizsga írásbeli. A vizsgapontszám – amelynek alapján a jegy kialakul – 0,1*HfPontszám+0,2*ZhPontszám+0,7*VizsgaDolgozatPontszám. Mind a három komponens külön-külön el kell érje a megfelelt (40%) szintet. Mind a zárthelyin, mind a vizsgán a később kijelölésre kerülő anyagrészekből külön-külön is el kell érni a minimum szintet. A tárgyhoz tartozó kreditpontok megszerzésének feltétele az aláírás és a sikeres vizsga. Elővizsga: Elővizsgát nem tartunk. Pótlási lehetőségek: A zárthelyi pótlására a szorgalmi időszakban egy alkalommal biztosítunk lehetőséget. A zárthelyi (és pótzárthelyi) – a TVSZ és annak hivatalos értelmezése értelmében kötelező - vizsgaidőszakbeli pótlási alkalma egy kijelölt vizsga időpontjában lesz.

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

Tudásalapú architektúrák

Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements

Requirements valid from:

—

Requirements valid until:

—

Curriculum placement

No curriculum placements recorded for this subject version.