A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Intelligens rendszerek
Intelligent Systems
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVITMM031 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 3 | ||||||||||||
| Subject coordinator |
Dr. Baranyi Péter Zoltán
contact:
baranyi@tmit.bme.hu
|
||||||||||||
| Responsible department |
Távközlési és Mesterséges Intelligencia Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| 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
- Modellezés és információ-ábrázolás klasszikus és modern eszközei.
A tantárgy Hilbert 13. sejtésétől kezdve a Kolmogorov-féle univerzális approximációs technikákon keresztül vizsgálja a szemcsés szerkezetű uniform modellezési technikákat. - Lágy-számítástudomány biológiai indíttatású módszerei. Összefoglaló.
- 3Fuzzy rendszerek: alapfogalmai, koncepciója és módszertanai. Approximációs tulajdonságok vizsgálata. Számítási komplexitás vizsgálta.
- Fuzzy halmaz fogalma. Alfa-vágat. Fuzzy logikai műveletek. Paraméter-függő műveletek. Nyelvi szabályrendszer. Következtetés alapsémái. Következtető gép.
- Takagi-Sugeno fuzzy operátor alapú következtetőgép átviteli függvénye. Szemantikai és interreláción alapuló következtetések. Egy- és többszabályú következtetés. Fuzzy interpoláció.
- Neurális hálózatok: alapfogalmai, koncepciója és módszertanai. Approximációs tulajdonságok vizsgálata. Számítási komplexitás vizsgálta. Mesterséges neurális hálózatok történelmi áttekintése.
- Neurális hálózatok összehasonlítása számítógépekkel. Mesterséges neuron alap-modellje. Egyrétegű és többrégetű perceptronok. Általános neurális modellek. Hopfield-hálók, Bolzmann gépek. Kohonen hálók. Moduláris neurális hálók (spline hálózatok, RBF-hálók).
- Genetikus algoritmusok: alapfogalmai, koncepciója és módszertanai. Approximációs tulajdonságok vizsgálata. Számítási komplexitás vizsgálta
- Genetikus algoritmusok történeti áttekintése. Kódolás és operátorok a genetikus algoritmusokban. Információátadás genetikus operátorok segítségével. Genetikus algoritmusok tulajdonságai: konvergencia vizsgálata, genetikus drift kérdésének vizsgálata, grádiens alapú módszerek összehasonlítása genetikus algoritmusok konvergenciájával.
- Taníthatóság kérdései az intelligens rendszerekben. A lágy-számítástudomány biológiai indíttatású módszereire alkalmazható tanuló-algoritmusok levezetése, ismertetése, valamint alkalmazási kérdései.
- Felügyelt és felügyelet nélküli tanítás. MLP tanítása back propagation algoritmussal. MLP általánosító képessége. Asszociatív és auto-asszociatív hálózatok. Asszociatív hálózatok tanulásának elemzése (hebbi tanulás, hebbi tanulás geometriai
értelmezése). - Döntéshozás és irányítás intelligens rendszerekben, taníthatóság kérdései. A lágy-számítástudomány biológiai indíttatású módszereire alkalmazható tanuló-algoritmusok levezetése, ismertetése, valamint alkalmazási kérdési.
- Példák részletes vizsgálata: vezetőnélküli helikopter irányítása. Itt a helikopter irányítási kérdésinek szemcsés szerkezetű és uniform ábrázolását ismertetjük, majd az erre épülő tervező módszereket vizsgáljuk
- Példák részletes vizsgálata: robotok közlekedési stílusainak tanítása és alkalmazása ismeretlen terepen. Ebben a példában a fő cél megismerni, hogy miként lehet közlekedési stílusokat ábrázolni és tanítani szintén szemcsés szerkezetű modellekkel.
A tantárgy célja ismertetni az intelligens rendszerek fő struktúráit és elméleti eszközeit. A tantárgy ismerteti a modellezési és információ-ábrázolási módszerek új generációit, és külön figyelmet fordít a lágy-számítástudomány fogalmaira és fő irányaira. Ezekre az eszközökre építve bemutatja az intelligens rendszerek jellegzetes szerkezetét számos példán keresztül.
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
Előadás
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)
Az Informatika c. tantárgy ismeretére épít.
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)
Az Informatika c. tantárgy ismeretére épít.
General rules
Követelmények:
A szorgalmi időszakban: 2 db zárthelyi sikeres megírása. A vizsgaidőszakban: vizsga nincs, a tantárgy évközi jeggyel zárul.Elővizsga: nincs.
Pótlási lehetőségek:
A szorgalmi időszakban a zárthelyihez kapcsolódik pótlási (javítási) lehetőség. A zárthelyi pótlására további lehetőség is van a pótlásra kijelölt időszakban. Javítási céllal írt pótzárthelyi esetén a (javító) pótzárthelyi eredménye felülírja a javítandó zárthelyi eredményét.
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
BMETE92MC12 Informatika
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.