K-INFO
HU
EN
Belépés

A fuzzy, neurális és genetikus mest. intelligencia módszerei

Fuzzy, Neural and Genetic Methods in Artificial Intelligence
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
Tantárgy neve (magyarul, angolul)
A fuzzy, neurális és genetikus mest. intelligencia módszerei
Fuzzy, Neural and Genetic Methods in Artificial Intelligence
Tantárgykód BMEVIVG9115
Tantárgyjelleg —
Képzési szint —
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 4 0 0
jelleg (kapcsolt/önálló) — — —
Tanulmányi teljesítmény/értékelés típusa vizsga
Tantárgy kreditértéke 5
Tantárgyfelelős
Dr Kádár István
Tantárgyat gondozó oktatási szervezeti egység
—
Kar
Tantárgy weboldala http://www.vgt.bme.hu/okt/fuzzy/index.html
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

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

A tárgy mérnöki szemléletű, �lágy�, de korrekt, megszerettető bevezetés az emberi gondolkodásra, az agysejtekre és az öröklésre építkező soft computing három összetevőjébe, a fuzzy rendszerekbe, a neurális hálózatokba, a genetikus algoritmusokba valamint azok káosz kapcsolataiba. A lágy számítások alkalmazásai hatékonyságuk, egyszerűségük és olcsóságuk révén a mérnöki, gazdasági, orvosi és az élet szinte minden területén világszerte rohamosan terjednek.

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

(előadás, gyakorlat, laboratórium): Előadás

Tanulástámogató anyagok

Online források
1. Retter Gyula: Fuzzy, neurális, genetikus, kaotikus rendszerek (Lágy számítási módszerek) Akadémiai Kiadó, 2006.; 2. Retter Gyula: Kombinált fuzzy, neurális, genetikus rendszerek (Kombinált lágy számítások). INVEST-MARKETING Bt., 2007.; 3. Borgulya István: Neurális hálók és fuzzy rendszerek. Dialog Campus K., 1998.; 4. Horváth Gábor szerk.: Neurális hálózatok és műszaki alkalmazásaik. Műegyetemi Kiadó, 1995.; 5. Kóczy T. László, Tikk Domonkos: Fuzzy Rendszerek. Typotex Kft., 2000.; 6. Várkonyiné Kóczy Annamária szerk.: Genetikus algoritmusok. Typotex Kft., 2002.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Matematika, Hálózatok és rendszerek, Villamos energetika
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)
Matematika, Hálózatok és rendszerek, Villamos energetika
Általános szabályok
Követelmények: a. A szorgalmi időszakban: 1 db. zh. megírása legalább elégséges (2) eredménnyel. b. A vizsgaidőszakban: szóbeli vizsga. Elővizsga: az elővizsga feltétele a legalább jó (4) zh. eredmény. Pótlási lehetőségek: A szorgalmi időszakban: 1 alkalommal. A vizsgaidőszakban: 1 alkalommal.
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
------ Tematikaütközés miatt a tárgyat csak azok vehetik fel, akik korábban nem hallgatták a következő tárgyakat: Neptun-kód Cím ------
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.