Szimbolikus jelfeldolgozás és lágy számítási módszerek labor

Symbolic Signal Processing and Soft Computing Laboratory

A tantárgyleírás hatályossága

Hatályosság kezdete:

—

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Szimbolikus jelfeldolgozás és lágy számítási módszerek labor

Symbolic Signal Processing and Soft Computing Laboratory

Tantárgykód

BMEVIMM4323

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

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

Tanulmányi teljesítmény/értékelés típusa

félévközi érdemjegy

Tantárgy kreditértéke

Tantárgyfelelős

Dr. Dobrowiecki Tadeusz Pawel

beosztás: egyetemi docens

elérhetőség: dobrowiecki.tadeusz@vik.bme.hu

Tantárgyat gondozó oktatási szervezeti egység

—

Kar

Tantárgy weboldala

http://www.mit.bme.hu/oktatas/targyak/vimm4323/

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.Tudásalapú architektúrák tárgyban előkészített személyre szóló neurális-szimbólikus házi feladat megoldása. Módszer kiválasztása.

2.A feladat folytatása. Megoldás részletes terveinek kidolgozása.

3.A feladat folytatása realizáció.

4. Fuzzy irányítás (F)

A fuzzy logikai szabályozó (FLC) működési elvének megismerése. Lineáris rendszer szabályozása fuzzy jellegű PID algoritmusokkal. Nemlineáris rendszer irányítása fölérendelt fuzzy szakértővel és alárendelt nemlineáris szétcsatolással.

5. Neurális irányítás (F)

A neurális rendszermodellezés és irányítás működési elvének megismerése. Nemlineáris rendszer (robotkar) irányítása neurális hálózattal.

6. Genetikus algoritmusok (F)

A genetikus algoritmusok működési elvének megismerése. Optimalizálási és irányítási feladatok megoldása genetikus algoritmusokkal.

A labor első részében cél, hogy a hallgatók nagyobb lélegzetű problémák megoldása során ismerkedjenek meg a tudásalapú architekturális elemekkel. E feladatok kapcsolódnak a �Tudásalapú arcitektúrák� tárgy 7. félévben elkészített házi feladatához. A mérések második felében a hallgatók irányítástechnikai problémák megoldására használják a fuzzy, neurális és genetikus algoritmusokat. A mérések során többféle fejlesztő eszköz bemutatására és használatára kerül sor.

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 6 db 4 órás laboratóriumi mérésből áll, melyet a Méréstechnikai és Információs Rendszerek (M) és az Irányítástechnikai és Informatika (F) tanszékek laboratóriumaiban kell elvégezni. Az 1.-2.-3. mérések esetén a 7. félévben a "Tudásalapú architektúrák" c. tárgy házifeladata keretében elviekben megoldott feladat megvalósítását jelentik. Az 1.-2.-3. mérések az elvileg előkészített megoldások fokozatos megvalósítására adnak lehetőséget.

Tanulástámogató anyagok

Online források

A mérésekhez kiosztásra kerülő mérési útmutatók.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

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

Tudásalapú architekturák, Fuzzy rendszerek és genetikus algoritmusok

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)

Tudásalapú architekturák, Fuzzy rendszerek és genetikus algoritmusok

Általános szabályok

Követelmények: - A félév lezárásának módja: félévközi jegy. - Az 1.-2.-3. mérések esetén az elvégzett feladatot igényes jegyzőkönyv formájában dokumentálni kell, illetve a 3-ik mérésen a működőképes megoldást meg kell mutatni. Az 1.-2.-3. mérések esetén a hallgatók a feladat elvégzését (jegyzőkönyv, termék bemutatása) minősítő osztályzatot kapnak, ami a gyakorlati jegyet 50%-ban határozza meg. - 3 darab laboratóriumi mérés (4.-5.-6.) anyagának elsajátítása, a mérések elvégzése és a mérési jegyző-könyvek elkészítése előírt ütemezés szerint. - Távolmaradás esetén összesen 2 mérés pótolható. - A félév lezárásához szükség követelmény az összes mérés sikeres elvégzése. A hallgató 4.-5.-6. mérésekre 1-1 osztályzatot kap (felelet, mérés és jegyzőkönyv alapján) melyek átlaga képezi a gyakorlati jegy második 50%-át.

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

Tudásalapú architekturák, Fuzzy rendszerek és genetikus algoritmusok

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.