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

BMEVIMM4326

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

Kurzustípus	elmélet	gyakorlat	laboratóriumi gyakorlat
óraszám (heti)	2	0	0
jelleg (kapcsolt/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/vimm4326/

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. 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.

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 (MIT) és az Irányítástechnikai és Informatika (IIT) tanszékek laboratóriumaiban kell elvégezni.

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 architektúrák, 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 architektúrák, Fuzzy rendszerek és genetikus algoritmusok

Általános szabályok

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!

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 architektúrák, 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.