Oktatás
Álltalános Információk
Fogadó órák:
- Cím: 6720 Szeged, Árpád tér 2. 43-as szoba
- Fogadó óra: Kedden 13:00 - 14:00 között
- Telefon: + 36 - 62 - 546 - 194
- E - mail: dombi@inf.u-szeged.hu
Mesterséges intelligencia I.
- Tematika
- Irodalmak
- Gyakorlat feltételei
- A kurzus feltételei
- Előadás anyaga
- Segéd anyagok
Tematika
- MI fogalma,területei
- MI története
- Gyenge és erős MI
- Ügynök ágens, intelligens ügynök
- Feladatreprezentáció:
- Állapottér gráffal
- Reprezentációs gráf fává alakítás
- Produkciós rendszer és heurisztika
-
Vezérlési stratégiák
- Nem módosítható
- Visszalépéses
- Gráfkereső
- Informálatlan és gráfkeresés
- Nem informált kereső eljárások
- Feladatmegoldás problémaredukcióval
- Heurisztikus keresések: BestFit, A és A* algoritmusok
- Kétszemélyes játékok
- Grundy
- Amőba
- Nim
- Othello
- Teljes játék-fa kiértékelés
- Játékfa részletes kiértékelés - Minimax eljárás, alfa-béta nyesés
- Bizonytalansággal terhelt problémák
- Egyszerű döntések meghozatala
- Automatikus tételbizonyítás
- Tételbizonyítás az ítéletkalkulusban
- Szintaxis és szemantika
- Kielégíthetőségi tulajdonság
- Formulák ekvivalenciája
- Logikai következmény
- Wang algoritmusa
- Rormális levezetés
- Rezolúció
- Elsőrendű logika alapfogalmai
- A rezolúció hatékonyságának növelése
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- S. Russell, P. Norvig: Artificial Intelligence, A Modern Approach, Prentice Hall, 1995. Magyar fordítása: Mesterséges intelligencia modern megközelítésben, PANEM, 2000
- Mesterséges Intelligencia (Szerk. Futó Iván), Aula Kiadó, 1999
- Fekete I., Gregorics T., Nagy S.: Bevezetés a mesterséges intelligenciába, LSI Oktató Központ
Kiegészítő irodalom
- Barr, E. A. Feigenbaum: The handbook of Artificial Intelligence, I., Addison Wesley 1989
- E. Rich, K. Knight: Artificial intelligence, McGraw-Hill, 1991
- P. H. Winston: Artificial Intelligence, Addison-Wesley 1992
- M. Ginsberg: Essentials of Artificial Intelligence, Morgan Kaufman, 1993
- Mérő László: Új észjárások (Tercium kiadó 2001.)
- Dennett: Darwin veszélyes ideálja
- Steven Pinker: Hogyan működik az elme
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
55 - 60 pont | jeles (5) |
45 -54 pont | jó (4) |
35 - 44 pont | közepes (3) |
30 - 34 pont | elégséges (2) |
0 - 29 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok - Önáló munka, határidőre kell benyújtani, popíron kézzelírottan kell megírni! (10 pont )
- Zárthelyi dolgozat megírása - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 20 pont )
- Programozási feladat - Az első fázisban 5 pontot lehet elérni, amennyiben az első fázis sikertelen, akkor a 2. fázisban nem vehet részt a hallgató. A 2. fázisban a feladat megoldásának jósága függvényében 10 pont adható.
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 - 34 pont | jó (4) |
25 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Előadás anyaga
Mesterséges intelligencia II.
- Tematika
- Ajánlott és kiegészítő irodalom
- Kurzus feltételei
- Gyakorlat feltételei
- Előadás anyaga
Tematika
-
Mesterséges intelligencia kutatások
-
Alakfelismerés és azonosítás:
- Azonosítás, felismerés
- Invariancia
- Képfeldolgozás és felismerés viszonya
- Tömörítés és felismerés
- Freeman-kódolás
- Primitívek szerepe
- Gráf nyelvtan és felismerő nyelvtan
- o,a,u,v problematikája
- Heurisztikák hatékonysága
- Tanulás
-
Döntési fák és szabályrendszerek tanulása
-
Fuzzy alapfogalmak műveletek: szavak és modellek
-
Fuzzy vezérlés:.
- Szabályrendszer és leírása
- Tagaki-Sugeno modell
- Mamdani modell
-
Fuzzy klaszterezés:
- Klaszterezés problémája
- NN algoritmus és komplexitás
- Optimalizálási feladat
- Iteratív fuzzy klaszterzés
- Más klaszterzési algoritmusok
-
Neurális modell a perceptron
-
Többrétegű hálózat tanulása
-
Genetikus algoritmusok
-
Többtényezős döntések hasznossága
-
Preferencián alapuló döntések
- preferencia és aggregáció
- Outranking módszer
- ELECTRE és PROMÉTHEE
- AHP
-
Adatbányászat, Üzleti intelligencia
-
Adatvizualizáció
-
Robotika, értékelés és irányítás
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- Mesterséges Intelligencia (Szerk. Futó Iván), Aula Kiadó, 1999
- Temesi J.: A döntéselmélet alapjai
- Kóczy L., Tikk D.: Fuzzy rendszerek
- Borgulya I.: Neurális hálók és fuzzy rendszerek
- Mitchel T.M.: Machine Learning
- Pinker S.: Hogyan működik az elme
- Dennett D. C.: Micsoda elmék
- Mérő L.: Észjárások
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
55 - 60 pont | jeles (5) |
45 -54 pont | jó (4) |
35 - 44 pont | közepes (3) |
30 - 34 pont | elégséges (2) |
0 - 29 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok - Önáló munka, határidőre kell benyújtani, popíron kézzelírottan kell megírni! (10 pont )
- Zárthelyi dolgozat megírása - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 20 pont )
- Programozási feladat - Az első fázisban 5 pontot lehet elérni, amennyiben az első fázis sikertelen, akkor a 2. fázisban nem vehet részt a hallgató. A 2. fázisban a feladat megoldásának jósága függvényében 10 pont adható.
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 - 34 pont | jó (4) |
25 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Fuzzy elmélet
- Tematika
- Ajánlott és kiegészítő irodalom
- Kurzus feltételei
- Gyakorlat feltételei
Tematika
-
Halmazhoztartozási függvény
- Nyelvészeti megfontolások
- Tudományellméleti modellek
- Inflation koncepció
- Soft inequality
- Kontexus függő halmazhoztartozási függvény
-
Operátorok
- Einstein
- Hamacher
- Min-max és jellemzése
- Dombi
-
Negáció alakja, neurális értékekkel + Trilas
-
Szigorú monoton operátorok
-
Asszociatív függvényegyenlet és a rendezett csoportok
-
Multiplikatív és additív Pliant koncepció
-
Soft lekérdezések
-
Implikáció
-
Reziduális implikáció és Modus Ponens
-
Súlyozás: "x + y - xy súlyozása"
- Biszimmetrikus egyenlet
-
Aggregáció
- Aggregáció és neurális hálózat kapcsolata
-
Multiplikatív hasznosság és konjuktív, diszjunktív operátorok
-
Fuzzyság mértéke
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- Kóczy L. , Tikk D., Fuzzy rendszerek, Typotex Kft, 2000
- Borgulya István, Neurális hálók és fuzzy-rendszerek, Dialóg Campus Kiadó, 1998
- Retter Gyula, Fuzzy, neurális, genetikus és kaotikus rendszerek, Akadémia Kiadó, 2006
- George J. Klir, Bo Yuan: Fuzzy sets and fuzzy logic, Theory and Applications, Prentice Hall, 1995
- J. Fodor, M. Rubens: Fuzzy Preference Modelling and Multicriteria Decision Support, Kluwer Academic Pub., 1994
- Hung T. Nguyen, Michio Sugeno: Fuzzs systems, Modeling and Control, Kluwer Academic Pub., 1998
- Miko Sato, Yoshiharu Sato, Lakhmi C. Jain: Fuzzy Clustering Models and Applications
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
91 - 100 pont | jeles (5) |
81 -90 pont | jó (4) |
61 - 80 pont | közepes (3) |
51 - 60 pont | elégséges (2) |
0 - 50 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlat látogatása kötelező!
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok - Önáló munka, határidőre kell benyújtani, popíron kézzelírottan kell megírni! (10 pont )
- Zárthelyi dolgozat megírása ( 2 darab ) - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 30 pont )
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 -34 pont | jó (4) |
26 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Döntéselméleti Modellek
- Tematika
- Ajánlott és kiegészítő irodalom
- Kurzus feltételei
- Gyakorlat feltételei
- Segéd anyagok
Tematika
-
Döntéselmélet alapfogalmai -> Elemi döntési módszerek
- Kielégítésretörekvő módszer
- Diszjunktív módszer
- Lexikografikus módszer
- MaxMin módszer
- MaxiMax módszer
-
Döntések bizonytalanság mellett
- Döntések valószínűség alapján, várható pénzérték alapján
- Nem teljes informáltság melletti döntés
- Döntési fák
-
Értékelő függvények
- Preferencia reláció értékelő függvény létezésének kérdése
- Additív értékelő függvények
- Értékelés dekompozíciója
- Többtényezős értékelő függvények
-
Hasznossági függvények
- Axiómarendszerek
- Előállításuk
- Többtényezős hasznossági függvények előállítása
-
Additív hasznossági függvény
-
Multiplikatív hasznossági függvény
- Tulajdonságai
- Kapcsolata a folytonos logikával
-
Nem-klasszikus döntési modellek
- Küszöbérték
- Összehasonlíthatalanság
- "Electre Promethee" módszer
-
Preferenciák és tulajdonságaik
-
Fuzzy elmélet és a többtényezős döntések
-
Súlyozási módszerek
- Egyszerű súlyozás
- Smart, Saaty-féle AHP módszer
-
Alkalmazások
-
UTA módszer
-
GRIP módszer
-
Sound Score módszer
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- David L. Olson: Decision aids for selection problems; Springer kiadó
- Csontos László (válogatásában): A racionális döntések elmélete; Osiris kiadó
- David B. Johnson: A közösségi döntések elmélete; Osiris kiadó
- Fábián György: Választási rendszerek; Osiris kiadó
- Dr. Kindler József, Dr. Papp Ottó: Komplex rendszerek vizsgálata; Műszaki könyvkiadó
- Herbert A. Simon: Korlátozott racionalitás; Közgazdasági és Jogi könyvkiadó
- Ha-Joon Chang: 23 Dolog, amit nem mondtak el a kapitalizmusról, HVG Kiadó
Kiegészítő irodalom
- Temesi József: A döntéselmélet alapjai aula 2002
- Multicriteria Decision Analysis, State of the Art surveys. ed. by J. Figueira, S. Greco, m. Ehrgott. 2005
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
55 - 60 pont | jeles (5) |
45 - 54 pont | jó (4) |
35 - 44 pont | közepes (3) |
30 - 34 pont | elégséges (2) |
0 - 29 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlat látogatása kötelező!
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok - Önáló munka, határidőre kell benyújtani, popíron kézzelírottan kell megírni! (10 pont )
- Zárthelyi dolgozat megírása ( 1 darab ) - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 30 pont )
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 -34 pont | jó (4) |
26 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Segéd anyaga
Intelligens Vizualizáció
- Tematika
- Ajánlott és kiegészítő irodalom
- Kurzus feltételei
- Gyakorlat feltételei
- Segédanyagok
Tematika
-
Bevezetés ( történeti áttekintés, az emberi látás és információ vizualizáció, alkalmazási lehetőségek )
-
Vizualizáció, mint paralell számítás
-
Az élővilág szemei
-
Robotszem: éldetektálás szem rezgetéssel
-
Vizuális nyelv szavai
-
A vizuális nyelvtan és mondat
-
Statisztikai vizualizáció
- Vizualizáció: Mi,Mit
- Milyen
- Hogyan
- Hol
-
Vektor vizualizáció:
- Andrew függvény
- Chernoff arc
- Korhonen ház
-
DataScope koncepció
-
Eloszlás függvényértelmezések
-
Összefüggés vizualizáció
-
Mozgó Struktúra megjelenítése és hiperbolikus leképezések
-
Színek
-
Információtömörítés
-
Szines képek lekérdezése
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- Julesz Béla: Dialógusok az észlelésről, Typotex, 2000
- Kovács I., Szamarasz V. Z.: Látás nyelv emlékezet, Typotex, 2006
- W. J. Bowman: Graphic communication . John Wiley,1968
- Tufte, E. R.: The Visual Display of Quantitative Information, 2nd edition. Graphic Press, 1991
- Chaomei Chen:Information visualisation and virtual environments, Springer 1999
- DaraScope user manual
- Spence, R.: Information Visualization. Addison-Wesley, 2001
- Ware, C.: Information Visualization: Perception for Design, 2nd edition. Morgan Kaufmann
- W.Basalaj:Proximity visualisition of abstract data, 2001
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
55 - 60 pont | jeles (5) |
45 - 54 pont | jó (4) |
35 - 44 pont | közepes (3) |
30 - 34 pont | elégséges (2) |
0 - 29 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok ( Márkanév készítés, Majd erre építve Logó készítés és végül a logóval egy weboldal kezdőfelületének létrehozása! ) ( 10 pont )
- Házi feladatok ( Esszé készítése és prezentálása ) ( 10 pont )
- Zárthelyi dolgozat megírása ( 1 darab ) - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 20 pont )
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 -34 pont | jó (4) |
26 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Diploma Tézis
- Szakdolgozat/Diplomamunka témák
- Megoldandó feladatok leírásai
Szakdolgozat/Diplomamunka témák
- Fuzzy elmélet alkalmazása lekérdezéseknél
- Hasonlóságon alapuló becslési eljárások tanulásra
- Függvények szegmentálása primitívekre
- Kétszeres adaptív simítás algoritmusának vizsgálata
- Összefüggés elemezés diszkrét adatokon
- Nem konvex tartományok leírása optimalizáláshoz
- Fuzzy irányítás rugalmas rendszerek alkalmazásával
- Diszkretizáló algoritmus megvalósítása
- Természetes nyelvű szöveggenerálás
- Többtényezős döntések tanuló algoritmusai
- Metaheurisztikák
- Diagnosztikai algoritmusok gyógyászati alkalmazása
- Intelligens eljárások az ajánlások becslésére
- Logisztikus regresszió vizsgálata folytonos logikai kifejezések felett
- Útvonal optimalizáló alkalmazás szerver oldali komponensének megvalósítása
- Struktúra vizualizáció megvalósítása RIA segítségével
- Fuzzy klaszterező algoritmusok elemzése és összehasonlítása
Megoldandó feladatok leírásai
Fuzzy elmélet alkalmazása lekérdezéseknél
Feladat leírás
A lekérdezések az adatbázis kezelés fontos eszközei. Segítségükkel adatelemzés is végezhető. Azonban a lekérdezés eredményeként kapott halmaz vagy túlságosan nagy vagy kicsi, gyakran üres. A fuzzy lekérdezések segítségével az eredmények rendezhetők. A feladat ulyen algoritmusok megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Hasonlóságon alapuló becslési eljárások tanulásra
Feladat leírás
A tanuló algoritmusok fontos szerepet játszanak az intelligens algoritmusok kutatása területén. Viszonylag egyszerű eljárással is jó eredmény érhető el. Ha a tanulás alkalmazásánál a megadott tulajdonságokhoz keressük a megfelelő választ, akkor a tanuló halmazból a leghasonlóbbakat kiválasztva és rájuk támaszkodva jó becslés adható. A feladat ilyen eljárások implementálása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Függvények szegmentálása primitívekre
Feladat leírás
Az alakfelismerés során bevált technika az alakzat primitívekre való bontása. A függvények elemzése során is alkalmazható ez a technika. A legegyszerűbb formája a lineáris szakaszokkal való közelítés. Itt megfelelő töréspontokat kell úgy meghatározni, hogy az eltérés minimális legyen. Az általánosabb feladat esetén néhány meghatározott függvény segítségével való közelítés meghatározása. A feladat heurisztikus algoritmusok fejlesztése a fent vázolt problémára.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Kétszeres adaptív simítás algoritmusának vizsgálata
Feladat leírás
A zajjal terhelt idősorok elemzéséhez simító eljárás alkalmazására van szükség. Ha a vizsgálandó rendszer váltózó sűrűségű rezgéseket tartalmaz, akkor a simítás paramétereit nem lehet jól beállítani az egységesen egész folyamatra. Ha azonban a folyamat simítása során a paramétereket változtatjuk, akkor nagyon jó eredményeket lehet elérni. Ehhez két menetben kell a folyamatot elemezni. A feladat fenti algoritmus megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Összefüggés elemezés diszkrét adatokon
Feladat leírás
A diszkrét adatok közötti összefüggéseket elemzésére több megoldás is született. A folytonos operátorok közül Frank eredménye lehetővé teszi, hogy új módon adjunk mértéket a következik kizár és véletlenszerűségre. A feladat fenti algoritmus megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Nem konvex tartományok leírása optimalizáláshoz
Feladat leírás
A nem konvex tartományok leírása egyenlőtlenségek felett definiált logikai kifejtésekkel is történhet. Ennek egy lehetséges módja flexibilis (pliant ) függvények alkalmazása. A feladat egy keretrendszer elkészítése és a tartományok belső pontjának meghatározása gradiens módszerrel. A feladat fenti algoritmus megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Fuzzy irányítás rugalmas rendszerek alkalmazásával
Feladat leírás
A fuzzy irányítás az egyik legsikeresebb alkalmazása a fuzzy rendszereknek. A logikai feltételrendszer megadása eddig csak az intervallumok általánosításával volt lehetséges. A rugalmas rendszerek alkalmazásával jóval általánosabb tartományok is megadhatók (pl. elforgatott ellipszis belseje). A feladat fuzzy irányítási algoritmus megvalósítása rugalmas rendszerek segítségével.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Diszkretizáló algoritmus megvalósítása
Feladat leírás
A numerikus értékekkel jellemzett objektumok segítségével történő tanítás fontos területe a mesterséges intelligenciakutatásoknak. A klaszterezés sokat segít a feladat egyszerűsítésén. Ha a klaszterezésben felhasznált dimenzió szám 1 akkor diszkretizálásról beszélünk. Ennek segítségévek a döntési fákra vonatkozó algoritmusok is hatékonyabbak lehetnek. A feladat diszkretizáló algoritmus megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Természetes nyelvű szöveggenerálás
Feladat leírás
A numerikus értékekkel jellemzett objektumok tulajdonságainak feltérképezése nem egyszerű feladat. Statisztikai és mesterséges intelligencia területén alkalmazott algoritmusok segítségével történik legtöbbször. A kapott eredmények szintén nimerikus jellemzők melyeket értelmezni kell. A gyakorlatban legtöbbször elegendő a megadott jellemzők kontexus függő jellemzése. Ez megvalósítható a rugalmas rendszerek (pliant) segítségével. A feladat szöveggeneráló algoritmus megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Többtényezős döntések tanuló algoritmusai
Feladat leírás
A többtényezős döntéseknél a súlyok hasznosság függvények megadása kritikus pontja az eljárások jóságának. Ezeket tanuló algoritmus segítségével is meg lehetne adni. A feladat score jellegű feladatok tanítása rendezési információk alapján.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Metaheurisztikák
Feladat leírás
A gépi tanulás fontos szerepet játszik a robotikába, adatelemzés területén. A megerősítéses tanulás (reinforcement) diszkrét problémákra nagyon hatékonynak bizonyul. A feladat ezen algoritmus vizsgálata.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Diagnosztikai algoritmusok gyógyászati alkalmazása
Feladat leírás
A diagnosztikát segítő tanuló és intelligens algoritmusok nagyon fontos terület. A gyógyászati eljárások kiterjesztése távgyógyászati eljárásokkal alapvetően ilyen jellegű eljárásokkal lehetséges. A kliens-szerver megoldások lehetőséget teremtenek, hogy más gyógyászati centrumok is megkapják az eljárások eredményét, másrészt az adatbázisok feltöltése is sokkal gyorsabban történhet. A szimptómák és a diagnosztika hozzárendelése alapján tanuló algoritmusokat kell fejleszteni.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Intelligens eljárások az ajánlások becslésére
Feladat leírás
A kereskedelemmel foglalkozó internetes portálok jelentős energiát fektetnek az eladások növelésére úgy, hogy a vevőkör számára olyan weboldalt készítenek, ahol az árucikkekre lehet keresni. A legtöbb kereső motor szöveges kérdések alapján próbálja meghatározni a kritériumnak megfelelő tételeket. Azonban ez sok esetben nem elegendő. A vevőkör, az általa meghatározott kritériumok alapján összetett keresését szeretne végrehajtani. A vevőkör azonban nem rendelkezik olyan információval amely alapján fel lehet deríteni az egyes kritériumok közötti összefüggéseket. Vannak egymással összefüggő és egymást kizáró attribútumok, így ennek hiányában keresés eredménye gyakran üres halmaz. Amennyiben a vevőkőr ismeri a kritériumok közötti kapcsolatot, amelyet a kereső felület tartalmaz, akkor sokkal eredményesebb keresést tudnak végrehajtani. A cél egy olyan weblap készítése, melynél dinamikusan lehet adatokat feltölteni és meg lehet adni az kritériumok közötti összefüggéseket, valamint a kereskedelemmel foglalkozó internetes portálok az elkészült program alapján egyszerűen generálhatnak intelligens felületet, feltéve hogy az adatokat biztosító portál kritériumok közötti összefüggéseket megadott formában, a program számára átadja.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Logisztikus regresszió vizsgálata folytonos logikai kifejezések felett
Feladat leírás
A logisztikus regresszió ma már az egyik leggyakrabban használt eljárás empirikus kutatási vizsgálatok esetében. A feladat a feltételes valószínűségek meghatározása a függő változók függvényében, ahol az együtthatók a likelihood függvény optimalizálásával határozhatók meg. Az eljárás általánosítható az n-dimenziós tér más tartományát leíró görbék alkalmazásával. Ehhez a folytonos logika nyújt segítséget. A feladat a logisztikus regresszió ilyen irányú általánosításának vizsgálata.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Útvonal optimalizáló alkalmazás szerver oldali komponensének megvalósítása
Feladat leírás
Napjainkban a webes technológiák egyre fontosabb szerepet töltenek be az üzleti alkalmazásokban. Az útvonalak hatékonyabb megválasztása komoly költségcsökkentést jelenthet a vállalkozások számára. Mivel napjainkban egyre fontosabb szerepet tölt be az internet, ezért egy webes megoldás sok vállalat igényeit tudná segíteni. A cél, webes környezetben a szerver oldali útvonal tervező program kifejlesztésének vizsgálata. A diplomamunka során elkészül egy szerver oldali program, mely képes a web oldalról érkező (erre a célra speciálisan kifejlesztett útvonaltervező oldaltól érkező) kérések feldolgozására, optimalizálás elvégzésére és az eredmények visszajuttatására. A statisztikák szerint szerver oldalon általában linux alapú rendszerek működnek, ezért a megvalósításnak e platformon működnie kell.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Fuzzy elmélet alkalmazása lekérdezéseknél
Feladat leírás
A lekérdezések az adatbázis kezelés fontos eszközei. Segítségükkel adatelemzés is végezhető. Azonban a lekérdezés eredményeként kapott halmaz vagy túlságosan nagy vagy kicsi, gyakran üres. A fuzzy lekérdezések segítségével az eredmények rendezhetők. A feladat ulyen algoritmusok megvalósítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
Struktúra vizualizáció megvalósítása RIA segítségével
Feladat leírás
Egy elem központú gráfot kell megjeleníteni hiperbolikus függvény leképezéssel, ami a Bolyai-Lobacsevszkij egy geometriai modellje. A kiválasztott fő elem a gráf középpontja lesz. Minden gyermeke körülötte helyezkedik el. A hallgatónak a programot Silverlightban kell elkészíteni, ami lehetőséget ad az adott gráf vizualizálására és annak változásainak megjelenítésére.
A megoldó feladatok
- Kódban megadott adat
- XML-ben megadott adat
- Facebook-nak megfelelő adat
- A program futása közben, egyéb információk megjelenítése is szükséges
Fuzzy klaszterező algoritmusok elemzése és összehasonlítása
Feladat leírás
A fuzzy klaszterező eljárások összefoglaló vizsgálata. A Fuzzy klaszterező al-eljárás a k-means algoritmusból származtatható, így a feladat annak megvalósítása, majd a fuzzy klaszterező eljárások családjának áttekintő összehasonlítása.
A megoldó feladatok
- a matematikai modellre vonatkozó elméleti eredmények áttekintése (angol nyelv ismerete szükséges)
- a szakirodalomban szereplő algoritmusok implementálása
- az algoritmusok teszteléséhez megfelelő környezet kidolgozása
- az algoritmusok tesztelése, az eredmények elemzése
- Gath-Geva algoritmus megvalósítása
- Felügyelt és nem felügyelt klaszterező eljárások vizsgálata
PhD Tézis
- Szakdolgozat/Diplomamunka témák
- Megoldandó feladatok leírásai
PhD kutatási témák
Informatika Doktori Iskola
- Klaszterezési módszerek alkalmazása a gépi tanulás területén
- Természetes nyelvű mondatok generálása adatbázis tartalmának jellemzésre
- Fuzzy modellek és algoritmusok alkalmazása a tanulás területén
- Lukasiewicz-típusú logikai operátorok vizsgálata
- A fuzzy irányítás modelljeinek vizsgálata, új eljárás készítése egyenlőtlenségek szigmoid függvénnyel való modellezésével
Matematika Doktori Iskola
- Folytonos logikák vizsgálata
Budapesti Műszaki Főiskola Alkalmazott Informatikai Doktori Iskola
- Nilpotens operátorok által meghatározott logikai struktúrák vizsgálata
- Összefüggés elemzése többértékű logikai operátorok segítségével
- Klaszterezés és döntési fák kapcsolatának vizsgálata tanulás szempontjából
- Robot irányítás Voronai diagramon alapuló approximáció alapján
Megoldandó feladatok leírásai
Klaszterezési módszerek alkalmazása a gépi tanulás területén
A kutatási téma leírása:
A klaszterezés a felügyelet nélküli eljárásokhoz tartozik. Az eljárás során az eredeti adathalmazt kisebb osztályokra bontjuk. A tanuló algoritmusok időigényes eljárások és a feldolgozni kívánt adatmennyiség függvényében drasztikusan nő a számítási igény. Célszerű ezért a klaszterező lejárásokkal az eredeti adathalmaz helyett kisebb csoportokra való bontás és a csoportokon végrehajtani a tanuló algoritmust. Bizonyos esetekben az is előfordulhat, hogy egy-egy klaszter már egy osztályba tartozik és a tanuló algoritmusnak nincs is feladata.
A megoldó feladatok
- A különböző klaszterezési eljárásokat abba az irányba kell fejleszteni, hogy ilyen szerencsés esetek ne véletlenül forduljanak elő.
- A klaszeterezésnél az osztályok száma változtatható. Ennek értékét is a tanulandó feladat függvényében célszerű megválasztani.
- A fuzzy c-menas algoritmus és annak variánsai különösen hatékonyak lehetnek ezen a területen. (Gustafson-Geva, Gath-Geva algoritmus család.)
- Fuzzy regresszós fa készítése elvégezhető klaszterezési eljárással. Így a klaszterezővel a tanulás közvetlenül is megvalósítható lesz.
- Idősor tanulás esetén a szegmentációval hatékonyabb algoritmus készíthető, amit szintén a klaszterező eljárással lehet megvalósítani.
Irodalom
- Babuska: Fuzzy modeling for control
- Baldwin: Time series modeling
- Fridman: Multivariate regression splines
Természetes nyelvű mondatok generálása adatbázis tartalmának jellemzésre
A kutatási téma leírása:
Numerikus adatok mennyisége évről évre jelentősen nő. A tárolt adatok használata mégis minimális. A számadatoknak több mint 90%-át egyetlen ember sem olvassa el. Ahhoz, hogy ezek az információk teljesen ne vesszenek el és egyáltalán legyen érdeklődés felhasználásukra az adatbázisokhoz való hozzáférésen kell változtatni. A kommunikációval foglalkozó cégek, de a kereső motorokat működtető cégek számára is szükség lenne olyan kutatási eredményekre, amelyek megvalósítják a természetes vagy ahhoz közeli kommunikációt numerikus adatokat tartalmazó adatbázisok között. Hasonló feladat az időjárás jelentés készítésénél fordul elő. A mért adatokból mondatokat kell előállítani.
A megoldó feladatok
- A többértékű, folytonos és fuzzy logika tanulmányozása.
- Megfelelő műveleti struktúrák meghatározása. (Operátor struktúrák: Lukasiewicz, Frank, Hamacher etc.)
- Unáris operátorok vizsgálata.
- Táblázatos adatok objektumainak és tulajdonságainak természetes szavakkal való leírása automatikus hozzárendeléssel.
- Természetes nyelvű kérdésekhez műveleti struktúrák hozzárendelése.
Irodalom
- Fuzzy monográfiák.
- Fordító programok elmélete.
Fuzzy modellek és algoritmusok alkalmazása a tanulás területén
A kutatási téma leírása:
A feladat során a cél az, hogy a döntési fák, az egyosztályos tanulás és a klaszter tartományok leírásának segítségével, hatékony tanuló algoritmus kerüljön kifejlesztésre. Ezen az algoritmusokat az egyenlőtlenség rendszerek feletti logika segítségével egységesen kezelhetők a fuzzy koncepció segítségével. A hallgató feladata a klasszikus algoritmusok megismerése, a fuzzy logika alkalmazása, az új algoritmusok hatékonyság, hiba és robosztusság vizsgálatának kutatása.
Lukasiewicz-típusú logikai operátorok vizsgálata
A kutatási téma leírása:
A Lukasiewicz-típusú operátorokat a rendezett algebrai félcsoportokra vonatkozó reprezentációs tétel alapján nyerhetjük. Az ilyen műveletek logikai szempontból nagyon jó tulajdonságúak. Létezik az ellentmondás és a kizárt harmadik törvénye. Az implikáció eleget tesz az azonosság elvének. A kiterjesztett és a reziduális implikáció megegyezik. Fontos és hasznos lenne az ilyen logikák tulajdonságainak teljes feltárása. Alkalmazás szempontjából neurális hálózatok csomópontjainak választva a műveleteket hatékony tanulóalgoritmusok lennének kivitelezhetőek. A folytonosan differenciálható approximáció megvalósításával gyakorlati alkalmazások hatékonyan valósíthatók meg.
A megoldó feladatok
- Lukasiewicz-típusú operátorok tulajdonságainak vizsgálata.
- Logikai rendszerben való következtetések meghatározása.
- Lukasiewicz-típusú operátorok approximációja analitikus függvények segítségével.
- Neurális hálókba való alkalmazás kidolgozása.
Irodalom
- Fuchs László: Note on fully ordered semigroups
- Aczél János: Lectures on Functional Equations and Applications
- E.P.Klement, R. Mesiar, E. Pap: Triangular norms
- D. Dubois, H. Prade: Fundamentals of fuzzy sets
A fuzzy irányítás modelljeinek vizsgálata, új eljárás készítése egyenlőtlenségek szigmoid függvénnyel való modellezésével
A kutatási téma leírása:
A fuzzy irányítás egyike a folytonos logikák legsikeresebb alkalmazásának. A kialakított modellek heurisztikusan megalapozottak (Tagaki-Sugeno, Mamdani, stb.). Az alkalmazások korlátja a változók függvényében a szabályok exponenciális növekedése. E hátrány interpolációs technika alkalmazásával csökkenthető (Kóczi). A kutatási feladat a halmazhoztartozási függvények, operátorok és a defuzzifikációs eljárások módosítása analitikusan jó tulajdonságú függvények alkalmazásával.
Irodalom
- H.T. Nguyen, M. Sugeno: Fuzzy Systems Modeling and Control
- D. Driankov, H. Hellendoorn, M. Reinfrank: An Introduction to Fuzzy Contro
- H. Hellendoorn: Reasoning with Fuzzy Logic
Folytonos logikák vizsgálata
A kutatási téma leírása:
Folytonos és többértékű logikák struktúrák vizsgálata, azok reprezentációs tételei. Következtetési rendszerek modellezése. Gyakorlati alkalmazhatóságok vizsgálatai.
Nilpotens operátorok által meghatározott logikai struktúrák vizsgálata
A kutatási téma leírása:
A nilpotens operátorokat a rendezett algebrai félcsoportokra vonatkozó reprezentációs tétel alapján nyerhetjük. A Lukosiewicz logika speciális esete. Az ilyen műveletek logikai szempontból nagyon jó tulajdonságúak. Létezik az ellentmondás és a kizárt harmadik törvénye. Az implikáció eleget tesz az azonosság elvének. A kiterjesztett és a reziduális implikáció megegyezik. Fontos és hasznos lenne az ilyen logikák tulajdonságainak teljes feltárása. Alkalmazás szempontjából neurális hálózatok csomópontjainak választva a műveleteket hatékony tanulóalgoritmusok lennének kivitelezhetőek.
Kutatási célok
- Nilpotens operátorok tulajdonságainak vizsgálata
- Logikai rendszerben való következtetések meghatározása.
- Nilpotens operátorok approximációja analitikus függvények segítségével.
- Neurális hálókba való alkalmazás kidolgozása.
Irodalom
- Fuchs László: Note on fully ordered semigroups
- Aczél János: Lectures on Functional Equations and Applications
- E.P.Klement, R. Mesiar, E. Pap: Triangular norms
- D. Dubois, H. Prade: Fundamentals of fuzzy sets
Összefüggés elemzése többértékű logikai operátorok segítségével
A kutatási téma leírása:
Az adatbányászat egyik legfontosabb célkitűzése az összefüggések feltárása: statisztikai módszerek alap algoritmusa a korrelációszámítás. Diszkrét kategóriák esetén azonban ez az eljárás nem használható és más indikátorok bevezetésére van szükség. Jelentős probléma, hogy az adatbányászati feladatok hatalmas adatbázisokat tartalmaznak és csak nagyon egyszerű műveletek elvégzése megengedett. A folytonos logika Frank operátora eleget tesz a mérték azonosságának és felhasználásával lehetőség van újszerű összefüggés vizsgálatok elvégzésére. Ebben az esetben a számítási igény minimális és alapvető diszkrét kategóriák elemzését teszi lehetővé.
Kutatási célok
- Összefüggés elemzések áttekintő feltérképezése.
- Frank operátor tulajdonságainak vizsgálata.
- Gyakoriságok és az operátor paraméterének illesztése.
- Az eredmények összekombinálása a klasszikus eljárásokkal.
- Vizuális megjelenítés kidolgozása.
- Többszörös összefüggések vizsgálata.
Irodalom
- E.P.Klement, R. Mesiar, E. Pap: Triangular norms
- Frank M. J.: On the simultaneous associativity
Klaszterezés és döntési fák kapcsolatának vizsgálata tanulás szempontjából
A kutatási téma leírása:
A döntési fák a tanuló algoritmusok között azért is jelentősek, mert a tanulás eredménye szabály rendszerbe foglalható és a szakértők számára is hozzáférhető tudást generál. Másrészt a szakértői tudás is integrálható a rendszerbe. Folytonos terekben azonban globális optimalizálás segítségével határozhatjuk meg a szabályokat. Az adatokon végzett klaszterezés segítségével a globális optimalizálás, de maga az optimalizálás is hatékonyabban végezhető. A két eljárás: a döntési fa konstrukció és a klaszterezés összekapcsolása jelentős hatékonyság növekedést indukál. A fuzzy rendszerek egységes keretrendszert biztosíthatnak a kutatásnak.
Kutatási célok
- Döntési fák vizsgálata.
- Folytonos terű döntési fák implementálása és vizsgálata.
- Fuzzy klaszterezési algoritmus implementálása.
- Optimalizálás kezdeti feltételének meghatározása klaszterezés alapján.
Irodalom
- Miko Sato, Yoshiharu Sato, Lakhmi C. Jain: Fuzzy Clustering Models and Applications
- L. Hubert: Min and Max Hierarchical Clustering Using Asymmetric Similar Measures
- M. Sato, Y. Sato: An Additive Fuzzy Clustering Model
- R.N. Shepard, P. Arabie: Additive Clustering: Representation of Similarities as Combinations of Discrete Overlapping Properties
Robot irányítás Voronai diagramon alapuló approximáció alapján
A kutatási téma leírása:
A fuzzy rendszerek legsikeresebb alkalmazása a fuzzy irányítás. A különböző megoldások közös vonása, hogy folytonos logika segítségével írják le a feltételt és a halmazhoztartozási függvények egydiemnziósak. Alapvető probléma, hogy a változók száma (m) és az alkalmazott kategóriák száma (n) szerint nm szabályra lenne szükség, aminek a megadása nem kivitelezhető, ezért az eljárások a hiányos szabályrendszerek kezelésére irányulnak. A szabályrendszer konstruálása azonban ha minta (tipikus) példák alapján konstruáljuk, akkor a Voronai diagram meghatározza a szabály érvényességi területét, ekkor azonban az egydimenziós halmazhoztartozási függvényt a felfújó eljárás helyettesíti. Így a szabályhalmaz korlátos maradhat. Az eljárás approximációs ereje határozza meg annak jóságát.
Kutatási célok
- A fuzzy control klasszikus eljárásainak vizsgálata, implementálása.
- A Voronai diagram hipersík egyenleteinek hatékony számítása.
- A felfújó eljárás alkalmazása.
- Approximáció hatékonyságának vizsgálata.
- Gyakorlati alkalmazás és tesztek végzése.
Irodalom
- Hung T. Nguyen, Michio Sugeno: Fuzzs systems, Modeling and Control, Kluwer Academic Pub., 1998
Intelligens Rendszerek
- Tematika
- Ajánlott és kiegészítő irodalom
- Kurzus feltételei
- Gyakorlat feltételei
- Előadás anyagok
Ajánlott és kiegészítő irodalom
Ajánlott irodalom
- Dennett: Darwin veszélyes ideálja
- Dennett: Micsoda elmék
- Steven Pinker: Hogyan működik az elme
- Steven Pinker: A nyelvi ösztön
- Mérő László: Mindenki másképp egyforma
- Mérő László: Új észjárások
Kurzus teljesítésének feltétele
A tárgyból elért pontszám maximum 100 pont, ebből gyakorlaton 40 pontot, míg vizsgán 60 pontot lehet elérni.
A vizsga sikeres ha a hallgató a vizsgán minimum 30 pontot teljesít.
A vizsga érdemjegyének meghatározása:
55 - 60 pont | jeles (5) |
45 - 54 pont | jó (4) |
35 - 44 pont | közepes (3) |
30 - 34 pont | elégséges (2) |
0 - 29 pont | elégtelen (1) |
Gyakorlat teljesítésének feltétele
A gyakorlaton szerezhető maximális pontszám: 40 pont, ebből 20 pont szükséges a gyakorlat teljesítéséhez
A gyakorlati pontszám a következőkből tevődik össze:
- Házi feladatok elvégzésére ( 10 pont )
- Esszé készítése és prezentálása ( 10 pont )
- Zárthelyi dolgozat megírása ( 1 darab ) - Szorgalmi időszak végén. Minimum 10 pontot kell öszegyűjteni! ( 20 pont )
Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte, azaz a gyakorlatot teljesítette. Minden részteljesítésből (zárthelyi, házi feladat, kötelező program) meg kell szerezni legalább a minimum pontszámot!
A vizsga érdemjegyének meghatározása:
35 - 40 pont | jeles (5) |
30 -34 pont | jó (4) |
26 - 29 pont | közepes (3) |
20 - 24 pont | elégséges (2) |
0 - 19 pont | elégtelen (1) |
Research
Research
- Data mining
- Data visualization
- Data animation
- Decision support (multicriteria decision making, group-decision making, optimization, decision trees)
- Fuzzy approach
- Neural networks
2000
From January 1. 2000. - Juny 30. I have worked at Mindmaker Ltd. as a research advisor.
1998 - 1999
For the sake of quicker development Cygron Ltd. had became the part of Mindmaker Inc. in 1998. Our products had great success on the CeBit in Hannover and the new version of DataScope has won the best software prize of the year on the COMDEX in Las Vegas in November 1999.
In 1998 I have got Kalmár László Prize for my activity on the field of informatics.
1994
In 1994 have successfully defended my dissertation titled "The structure of the operators of fuzzy sets in the respect of multiple criteria decisions".
I am the permanent referee of more international journals. I am the member of the International Fuzzy System Association, theESIGMA and the European Working Group on Multiple Criteria Decision Aid. I am the representative of the Hungarian Humboldt Association.
In order to utilize scientific results I have established Cygron Research and Development Ltd., where I am scientific director. The main activity of the company is the treatment of intelligent data:
- We have made a program for the Council of Szeged, which have dealt with social decision aids.
- We have worked out an analysis program for KPGM in Brussels.
- We had a great success with the consumption's indication program, which was made for the Electricity Company and have brought great profit. The technology of the program was based on neural theory.
- We developed DataScope, which is a visualization tool and visual query system. We had won the European Information Technology Prize In Brussels in 1997 with this program.( Picture )
1986
In 1986 I have won Humboldt scholarship and within the compass of it I have worked on the mathematical establishing of fuzzy sets theory in Germany and England. I have achieved results in many-valued generalizing of syllogisms. I have determined the inherence of the aggregation of utility theory and continuous preference relations, which have made possible to connect the two established theoretical tendencies.
1978
In 1978 when I had won DAAD fellowship in Germany and started dealing with fuzzy theory. I have worked with professor H.-J. Zimmermann (who was the publisher of the journal of Fuzzy Sets Systems) at the University of Aachen for a year.
Then I have worked on the mathematical axiomatic establishing of fuzzy theory by giving the representation of conjunctive of associative aggregation and generalized the concept of logical operators. At multiple criteria decisions not only the value of features, but their importance also plays significant role. I have worked out a process, where the weights can be derived from the results. The results can be applied on many fields of science.
I have made essays, respectively I have held lectures in the following themes:
- industrialization decisions
- frame recognition tasks
- determination of the settlement of soil cleaners
- modeling of human knowledge
- decision theoretical study of the scoring system of entrance examination on the universities
Publication (PDF available on request)
Journal Papers
Book Chapters
Conference Proceeding
Awards
Dopti Ltd.
József Dombi founded the Dopti Ltd. in 2002 in order to apply the scientific results in practice in a company controlled by him. Many algorithms are developed according to the newest international and in-house research to solve the following problems:
- Prediction of processes in a company
- Optimization problems in energetics
- Complex trasportation and logistic problems
- Optimal load of stores
- Determination of optimal portfolio
- Production control
- Analysis of databases of the company
- Support for marketing and sale purposes