Neural and Learning Systems
A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
Neurális és tanuló rendszerek
Neural and Learning Systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIMMD002 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Dr.. Horváth Gábor
|
||||||||||||
| Responsible department |
Mesterséges Intelligencia és Rendszertervezés Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | http://www.mit.bme.hu/oktatas/targyak/vimmd002/ | ||||||||||||
| 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
- Algoritmikusan nehezen megoldható feladatok.
- A tanulás szerepe a feladatmegoldásokban. Gépi tanulás.
- Ellenőrzött (felügyelt) tanulás.
Hibakorrekciós eljárások (gradiens módszerek, kereső eljárások, genetikus algoritmusok).
Szupport Vektor Gépek (SVM) és jelentőségük a tanuló rendszerek között.
Megerősítéses tanulás.
- Nemellenőrzött (felügyelet nélküli) tanulás.
Hebb szabály, Oja szabály,
Versengő tanulás.
- A tanuló rendszerek minősítése, általánosítás. A statisztikus tanuláselmélet fontosabb eredményei, PAC tanulás.
- Tanuláson alapuló elosztott párhuzamos számító rendszerek, neurális hálózatok:
Az elemi neuron és felügyelt tanítási algoritmusa.
Egy- és többrétegű előrecsatolt hálózat, az előre csatolt hálózatok tanítása: backpropagation algoritmus.
Szupport vektor gépek különböző változatai (SVM, LS-SVM, ridge regression)
- Dinamikus hálózatok
Lokális és globális visszacsatolást tartalmazó hálózatok.
Dinamikus rendszerek tanítása: dinamikus backpropagation,
- Nemellenőrzött tanulási hálózatok.
Kohonen hálók.
Lineáris és nemlineáris adattömörítő hálók: PCA, ICA.
- Neurális hálózatok alkalmazása (felismerési problémák megoldása, optimalizálási feladatok megoldása, egy- és többdimenziós jelfeldolgozás, nemlineáris jelfeldolgozás, nemlineáris dinamikus rendszerek identifikációja, stb.).
- Hardver és szoftver implementálási kérdések
A mesterséges neurális hálózatoknál tárgyalt párhuzamos algoritmusok implementálására alkalmas általános és speciális párhuzamos működésű hardver rendszerek.
A hardver megvalósítás speciális problémái: pontosság, sebesség, komplexitás. Szoftver realizálás, szimulátorok.
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
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
General rules
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
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.