Tantárgy » BMEVIMM4373
Tanuló és hibrid információs rendszerek
Learning and Hybrid Information Systems
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Tanuló és hibrid információs rendszerek
Learning and Hybrid Information Systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVIMM4373 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 5 | ||||||||||||
| Tantárgyfelelős |
Dr. Pataki Béla József
beosztás: adjunktus
elérhetőség:
pataki.bela@vik.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
—
|
||||||||||||
| Kar | |||||||||||||
| Tantárgy weboldala | http://www.mit.bme.hu/oktatas/targyak/vimm4373/ | ||||||||||||
| 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
- Tudás-intenzív problémák. A tudás fajtái, a tudás ábrázolása.
- A gépi tanulás fajtái, induktív tanulás., szimbolikus kifejezések induktív tanulása, valószínűségi hálók tanulása, megerősítéses tanulás, genetikus algoritmusok. A statisztikai tanuláselmélet alapjai.
- Tanuló rendszerek architektúrái. A konnekcionista megoldásnak kedvező probléma-osztályok. A neurális hálók alapfogalmai, típusai, különböző neurális architektúrák - ismertetés és összevetés. A tanulás szerepe a neurális hálóknál (ellenőrzött és nemellenőrzött tanulás), a tanulás, mint optimalizálás. Tanulási sémák (gradiens eljárások, hibavisszaterjesztés, Hebb tanulás, stb). A neurális hálók méretezési és alkalmazási kérdései (függvényapproximáció, felismerési problémák, nemlineáris dinamikus rendszerek modellezése, klaszterezés, asszociáció).
- Bizonytalan tudás és kezelési módszerei. Fuzzy és fuzzy-neurális rendszerek.
- A tudásreprezentáció különböző formáit együttesen használó hibrid intelligens rendszerek. A szimbólikus tudás ábrázolása és a szabályalapú rendszerek. Szimbolikus és tapasztalati tudás együttes kezelése, a priori tudás beépítése neurális rendszerekbe, szimbolikus tudás kinyerése megtanított hálókból, magyarázatgenerálás.
- Komplex tudásalapú rendszerek felépítése, versengés és együttműködés. Szakértői, neurális, fuzzy és genetikus módszereket alkalmazó komplex rendszerek. A realizáció kérdései. Alkalmazási példák.
A nagybonyolultságú műszaki problémákban felmerülő nehézségeket csak a szintén nagybonyolultságú és a problémamegoldó komponenseiben gazdag intelligens számítógépes rendszerekkel lehet leküzdeni. Ilyen rendszerek tipikusan a hierarchikus felépítésű heterogén rendszerek, ahol numerikus algoritmusok, konnekcionista komponensek és szimbólikus következtetésre alkalmas (szakértő) rendszerek, továbbá ezek kiterjesztése az elosztott problémamegoldás esetére egyaránt előfordulnak. A tárgy célja megismertetni a hallgatókat a jelenleg legcélszerűbbnek tartott komponensválasztékkal, továbbá megadni azokat az integrációs elveket, rendszertechnikai és implementációs ismereteket, amelyek felhasználásával sikeresen fejleszthetők nagybonyolultságú és hibrid architekturájú intelligens számítógépes rendszerek.
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 elméleti része előadás formájában kerül leadásra. A tárgy témaköréhez illeszkedő gyakorlati ismeretek elsajátítására az Elosztott intelligens rendszerek labor keretein belül, annak második felében kerül sor.
Tanulástámogató anyagok
Online források
Russel, S. J., Norvig, P.: "Mesterséges Intelligencia modern megközelítésben" Panem-Prentice Hall, Budapest, 2000. VI. fejezet.; Haykin, S.: "Neural Networks. A Comprehensive Foundation" Second Edition, Prentice Hall. 1999.; Schölkopf, B – Smola, A.J. "Learning with Kernels", MIT Press, Cambridge, MA. 2002.; Horváth, G. (szerk): "Neurális hálózatok és műszaki alkalmazásaik" Egyetemi tankönyv, Műegyetemi Kiadó, 1998.; Hassoun, M. H.: "Fundamentals of Artificial Neural Networks" MIT Press, Cambridge, 1995; Mitchell, T. "Machine Learning" McGraw Hill, New York, 1997.; A Méréstechnika és Információs Rendszerek Tanszék WWW szerverén található összefoglaló anyag
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
mesterséges intelligencia
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)
mesterséges intelligencia
Általános szabályok
Követelmények:
a. A szorgalmi időszakban:
- félévközben (8. héten, külön időpontban) egy nagy ZH (max. pontszám 60), amely a félév utolsó hetében és a vizsgaidőszak 3. hetében biztosított külön alkalommal pótolható, a szükséges minimum szint a pontok 40%-a.
- egy házi feladat, melynek kiadása a 7. oktatási héten történik. A megoldásokat dokumentáló jegyzőkönyveket a 13. héten kell leadni. A házi feladat bemutatása és értékelése (amennyiben a dokumentáció előzetesen le lett adva) a 14. héten történik, egy közös nyilvános bemutató keretében.
A házi feladatra max. 20 pontot lehet kapni, a szükséges minimum a pontok 40%-a.
b. A vizsgaidőszakban: szóbeli vizsga. A vizsgára bocsátás feltétele az évközi ZH és házi feladat minimális (40 %) szintű teljesítése.
c. Osztályozás:
A vizsga osztályzatába a zh és a félévközi feladat 15-15%-kal beszámít
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
nincs
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.