K-INFO
HU
EN
Login

Cognitive Informatics in Human Vision

Kognitív informatika az emberi látásban
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Subject name (Hungarian, English)
Kognitív informatika az emberi látásban
Cognitive Informatics in Human Vision
Subject code BMEVITMM032
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 vizsga
Credits 3
Subject coordinator
Dr. Baranyi Péter Zoltán
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
  1. Látás informatikai modellezése (bevezetés) – Korai informatikai modellek – I. Látás korai szakasza – élek szűrése, hasonlóság és térbeli folytonosság észlelése
  2. Korai informatikai modellek – II. Kép intenzitás-értékeiért a geometria, tükröződés, megvilágítás és nézőpont felelősek.  A látás korai szakaszának célja, hogy a négy tényező által okozott hatásokat függetlenítse, különválassza egymástól.
  3. Korai informatikai modellek – III. Látás korai szakasza – Fényforrások és áttetszőség hatásai. A látás korai szakaszának átfogó modelljei.
  4. Korai informatikai modellek – IV. Látás magasabb szintjei.  Sztereo látás.  Diszparitás számítása, sztereo illesztés algoritmusai. Felület távolságának és dőlésszögének diszparitásból történő kikövetkeztetése.  Mozgásérzékelés.
  5. Korai informatikai modellek V. Látás magasabb szintjei. Irányok szerinti szelektivitás, Hubel és Wiesel jégkocka-modellje informatikai szemmel, Biederman komponens-alapú elmélete, geonok szerepe a tanulásban (kitekintés az információ hierarchikus reprezentációjának előnyeire).
  6. Korai informatikai modellek VI. Textúrák és alakzatok magas szintű reprezentációja az agykéregben.  Mérnöki alkalmazások.
  7. D. Marr nyomán készült korai modellek hatása a kognitív informatikára, a modellek korszerű változatai (Lowe skálázás-invariáns módszere, Berg geometrikus homályosítása, Poggio alacsony szintű látókérgi modellje).
  8. Egyesített agykérgi elméletek – a bayes-i agy – K. Friston szabad-energia modellje.
  9. Szabad-energia modell, és alkalmazása perceptuális következtetésre. Hierarchikus Temporális Memóriák – I. Az idő-alapú, felügyelet nélküli tanulás jelentősége információelméleti szempontból. Agykérgi mikro-áramkörök elmélete.
  10. Hierarchikus Temporális Memóriák – II. HTM architektúra alapjai, HTM által megtanulható információk generatív modellje, HTM rendszerek általánosító képessége.  Ritka elosztott reprezentációk, következtetés.
  11. Kognitív Architektúrák – I. newelli mikro-teóriák, egyesített kognitív teóriák, kognitív architektúrák, mint szoftver-alapú kognitív keretrendszerek.  Kognitív architektúrák osztályozása. A SOAR keretrendszer inspirációja és alapelemei.
  12. Kognitív Architektúrák – II. SOAR rendszer következtető működése. A CLARION szoftver-rendszer felépítése.
  13. Kognitív Architektúrák – III. CLARION rendszer, folytatás.
  14. Kognitív Architektúrák – IV. Komplex alkalmazási példa
A tantárgy célja megmutatni, hogy milyen műszaki informatikai eszközökkel lehet kognitív folyamatokat leírni és modellezni. Elsősorban a látott kép „megértését” vizsgálja és modellezi a tantárgy, kezdve a retinához kapcsolódó folyamatokkal egészen a V1 - 4 látókérgi folyamatok fő feladatáig. A tárgy a látás tanulására is kitér és megmutatja, hogy miként lehet a látókéregben feldolgozott információt tanulás útján tárgyfelismerésre használni.

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 és a Programozás 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 és a Programozás c. tantárgy ismeretére épít.
General rules
Követelmények: a) A szorgalmi időszakban: 1 db zárthelyi sikeres megírása. A vizsgára bocsátás feltétele a legalább elégséges zárthelyi. A vizsgaidőszakban: a vizsga írásbeli. Elővizsga: nincs. Pótlási lehetőségek: A szorgalmi időszakban a zárthelyihez kapcsolódik pótlási lehetőség. A zárthelyi pótlására további lehetőség is van a pótlásra kijelölt időszakban.
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 BMETE47MC08     Programozás (Kísérleti szoftverek)
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.