K-INFO
HU
EN
Login
Subject » BMEVIMM4326
Older versions Download TAD (PDF)

Symbolic Signal Processing and Soft Computing Laboratory

Szimbolikus jelfeldolgozás és lágy számítási módszerek labor
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
Subject name (Hungarian, English)
Szimbolikus jelfeldolgozás és lágy számítási módszerek labor
Symbolic Signal Processing and Soft Computing Laboratory
Subject code BMEVIMM4326
Subject type —
Training Level —
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 2 0 0
type (linked/independent) — — —
Assessment type félévközi érdemjegy
Credits 2
Subject coordinator
Dr. Dobrowiecki Tadeusz Pawel
position: egyetemi docens
Responsible department
—
Faculty
Subject website http://www.mit.bme.hu/oktatas/targyak/vimm4326/
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

1. Neurális hálók vizsgálata (MIT)

Neurális feladatok megoldása a Matlab neurális toolbox felhasználásával, különböző hálók és tanulási eljárások vizsgálata néhány konkrét feladat kapcsán.

2. Szabályalapú rendszerek (MIT)

Szabályalapú rendszerekben alkalmazott következtetések vizsgálata .

3. Szupport Vektor Gépek (SVM) vizsgálata (MIT)

Szupport vektor gép alapú osztályozási algoritmusok konkrét feladat kapcsán történő vizsgálata.

4. Fuzzy irányítás (IIT)

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. Adaptív fuzzy irányítás (IIT)

Adaptív fuzzy hálózattal történő függvényapproximáció megvalósítása. Nemlineáris rendszer irányítása direkt és indirekt adaptív fuzzy irányítással.

6. Genetikus algoritmusok (IIT)

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

A labor egyik részében a 7. félévben hallgatott �Tudásalapú architektúrák� tárgy keretében megismert elveknek és gyakorlati megvalósításoknak a mérések során történő mélyebb megismerése a cél. A mérések neurális eszközökkel és módszerekkel, szabályalapú következtetésekkel, illetve osztályozási problémák megoldásával foglalkoznak. A mérések második felében a hallgatók irányítástechnikai problémák megoldására használják a fuzzy, adaptív fuzzy és genetikus algoritmusokat. A mérések során többféle fejlesztő eszköz bemutatására és használatára kerül sor.

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 tárgy 6 db 4 órás laboratóriumi mérésből áll, melyet a Méréstechnikai és Információs Rendszerek (MIT) és az Irányítástechnikai és Informatika (IIT) tanszékek laboratóriumaiban kell elvégezni.

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)
Tudásalapú architektúrák, Fuzzy rendszerek és genetikus algoritmusok
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)
Tudásalapú architektúrák, Fuzzy rendszerek és genetikus algoritmusok
General rules
Követelmények: A félév lezárásának módja: félévközi jegy. A 3 darab MIT laboratóriumi mérés (1.-2.-3.) anyagának elsajátítása, a mérések elvégzése és a mérési jegyző-könyvek elkészítése előírt ütemezés szerint. - Távolmaradás esetén összesen 1 mérés pótolható, különlegesen méltányolható ok esetén (hosszú betegség) a tárgy tanszéki felelősével lehet egyeztetni az esetleges pótlás módjáról. - A félév lezárásához szükséges követelmény az összes mérés sikeres elvégzése. (Az egyes foglalkozások elején �beugró� jelleggel megtörténik a felkészülés ellenőrzése, aki ezen nem mutat kielégítő felkészültséget, nem kezdheti meg a mérést.) A hallgató 1.-2.-3. mérésekre 1-1 osztályzatot kap (beugró, felelet, mérés és jegyzőkönyv alapján) melyek átlaga képezi a gyakorlati jegy 50%-át. A 3 darab IIT laboratóriumi mérés (4.-5.-6.) anyagának elsajátítása, a mérések elvégzése és a mérési jegyző-könyvek elkészítése előírt ütemezés szerint, házi feladat megoldása. - Távolmaradás esetén összesen 1 mérés pótolható, különlegesen méltányolható ok esetén (hosszú betegség) a tárgy tanszéki felelősével lehet egyeztetni az esetleges pótlás módjáról. - A félév lezárásához szükséges követelmény az összes mérés sikeres elvégzése és a házi feladat sikeres megoldása. A hallgató 4.-5.-6. mérésekre illetve a házi feladatra 1-1 osztályzatot kap (felelet, mérés és jegyzőkönyv alapján) melyek átlaga képezi a gyakorlati jegy 50%-át. A laborjegyet a két tanszék által adott osztályzatok átlagából képezzük, az átlagot 50 századtól felfele kerekítve. Pótlási lehetőségek: lásd a 10. pontnál. A labor mérések a vizsgaidőszakban nem pótolhatók!
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, Fuzzy rendszerek és genetikus algoritmusok
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.