Fuzzy, Neural and Genetic Methods in Artificial Intelligence
A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
A fuzzy, neurális és genetikus mest. intelligencia módszerei
Fuzzy, Neural and Genetic Methods in Artificial Intelligence
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIVG9115 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Dr Kádár István
contact:
kadar.istvan@vik.bme.hu
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | http://www.vgt.bme.hu/okt/fuzzy/index.html | ||||||||||||
| 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
A mesterséges intelligencia rendszerek alapjainak rövid áttekintése.
Fuzzy módszerek
A fuzzy koncepció. A fuzzy rendszerek matematikai alapjai. A klasszikus és a fuzzy halmazok. Műveletek klasszikus halmazokkal. A fuzzy halmazok kapcsolatai, műveletei, fuzzy egyenlőség, fuzzy részhalmazok. A fuzzy halmazok struktúra tulajdonságai. Gyakori tagsági függvény típusok. A t- és s-normák, parametrizált t- és s-normák, kompenzátoros paraméter-operátorok, átlagoló és kompenzátoros operátorok.
Nyelvi-lingvisztikai változók és HA-AKKOR szabályok. Numerikus változóktól nyelvi változókig, nyelvi kordonok: koncentráció, dilatáció.
Fuzzy logika és közelítő következtetés. A klasszikus logikától a fuzzy logikáig, a fuzzy logika alapelvei. Az éles logikai következtetés, a fuzzy logikai következtetés. A közelítő következtetés "pontosabb" vizsgálata. A fuzzy szabályozás és a fuzzy szabályozók áttekintése.
A fuzzy szabály-bázis struktúrája, a szabály-készlet tulajdonságai.
A fuzzy inferencia gép: a kompozíció alapú inferencia, individuális szabályok alapú inferencia. Néhány inferencia gép. Fuzzifikátorok és defuzzifikátorok.
Fuzzy rendszerek mint nemlineáris leképzések.
Neurális hálózatok
Alapvető koncepciók. Neuron modellek: a McCullock-Pitts neuron modell, az általános neuron szimbólum, a perceptron.
Neurális hálózat modellek: az előrecsatolt hálózat, a visszacsatolt hálózat.
Neurális processzálás. Tanulás és adaptáció: tanulás mint approximáció, felügyelt és nem felügyelt tanulás. Neurális hálózatok tanulási szabályai: az általános tanulási szabály, a Hebb-féle tanulási szabály, az eredeti - Rosenblatt féle - perceptron tanulási szabály, a delta szabály folytonos perceptronra, a korrelációs tanulási szabály, a győztes - mindent - elvisz tanulási szabály. Egy perceptronos hálózat tanulása.
Többréteges előrecsatolt hálózatok: az egyréteges hálózat, a kétréteges egyszerű hálózat, az általános kétréteges hálózat. A többréteges előrecsatolt hálózat mint univerzális approximátor. Tanulási tényezők.
Radiális bázisfüggvényes hálózatok: lokális és globális osztályozás. Az RBF hálózatok formális modellje: az egyszerű RBF hálózat, az RBF hálózatok tanulási módjai. A többréteges perceptron és az RBF hálózat.
Kohonen önszervező térképe: az önszervező algoritmus általános képe, vektorkvantálás az önszervező algoritmussal, súlyvektor rendezés az önszervező algoritmussal.
Genetikus algoritmusok
Alapfogalmak. Egyszerű genetikus algoritmus. A hasonló mintázatok (szkémák). A genetikus algoritmus alaptörvénye. Az evolúciós stratégia.
Káosz neurális és fuzzy rendszerkben
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
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.