Homepage of József Dombi

kódja/kódjai: I906e, I906g, IL906e, IL906g

Felelős előadó: Dr. Dombi József

Felelős tanszék: Számítógépes Algoritmusok és Mesterséges Intelligencia

Nappali tagozat:

Előadás: heti 2 óra / 5 kredit. Teljesítés módja: Kollokvium.
Gyakorlat: heti 1 óra / 0 kredit. Teljesítés módja: Aláírás.

Levelező tagozat:

Előadás: összesen 12 óra/ kredit. Teljesítés módja: Kollokvium.
Gyakorlat: összesen 6 óra / 0 kredit. Teljesítés módja: Aláírás.

A kurzus felvételének előfeltételei: Mesterséges intelligencia I., Algoritmusok és adatszerkezetek I., Diszkrét matematika I-II., Programozás alapjai

Segédanyag a vizsgához, Tematikák

Az oldal tartalma:

Tematika
Ajánlott irodalom
A kurzus teljesítésének feltételei
Előadás anyaga
Gyakorlat anyaga
HATÁRIDŐK:

Program 1. változatának leadása
Program végleges változatának leadása

Feltételek:

Bővebb információk : Gulyás Gergő honlapján

Tematika

Nappali

Válogatott fejezetek a Mesterséges intelligencia területéről. A változtatás jogát a felelős előadó fenntartja.

Az előadás várható előadói:

1.       Dombi József – február 7.
2.       Jelasity Márk – február 14.
3.       Palágyi Kálmán – február 21.
4.       Tóth László – február 28.
5.       Dombi József – március 6.
6.       Dombi József – március 13.
7.       Dombi József – március 20.
8.       Dombi József – március 27.
9.       Dombi József – április 3.
10.     Alexin Zoltán – április 17.
11.     Pletl Szilveszter – április 24.

Levelező

Mesterséges intelligencia kutatások: MI problémák struktúrája, az utolsó évtized kutatási irányai.

Alakfelismerés és azonosítás: azonosítás, felismerés, invariancia, képfeldolgozás és felismerés viszonya, tömörítés és felismerés, Freeman-kódolás, primitívek szerepe, gráf nyelvtan és felismerő nyelvtan, írott o,a,u,v problematikája, heurisztikák hatékonysága, tanulás.

Döntési fák és szabályrendszerek tanulása: tanulás és komplexitás, döntési fa, entrópia, ID3 eljárás, C4.5, nyesés, problémák és variánsok.

Fuzzy alapfogalmak műveletek: szavak és modellek (definíció versus intencionalitás), halmazhoz tartozási függvény és értelmezései, fuzzy aritmetika és alkalmazása regresszió és optimalizálás, egyváltozós műveletek negáció, modalitások, kétváltozós műveletek (metszet, unió), implikáció, aggregáció.

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: az agy, neuron a biológiában, modellek (asszociatív memória, radial basis function stb.), perceptron működése, perceptron konvergencia tétele.

Többrétegű hálózat tanulása: többrétegű hálózat, a szigmoid függvény tulajdonságai, gradiens eljárás, összetett függvény kezelése, gradiens többrétegű hálózatra, a back-propagation eljárás.

Genetikus algoritmusok: metaheurisztikák, tabu keresés, hegymászó algoritmus, hangya modell, genetika a biológiában, genetikus modell feladat alapján.

Többtényezős döntések hasznosság: döntések tipológiája, bizonytalanság és kockázat, több kritérium alapján való döntés modellje, szavazások és döntési eljárások, paradoxonok, hasznosság, eljárások.

Preferencián alapuló döntések: preferencia és aggregáció, Outranking módszer, ELECTRE és PROMÉTHEE, AHP.

Adatbányászat. Üzleti intelligencia: feladata, eszközei, marketing alkalmazás, banki alkalmazás, energiaszektor.

Adatvizualizáció: szerepe, többdimenzió megjelenítése, modellek, adatanimáció.

Robotika, értékelés és irányítás: mai kihívások, mozgatás, érzékelés: tapintás, szaglás, hallás, látás.

Vissza az oldal tetejére

Ajánlott irodalom

Nappali és Levelező

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

Vissza az oldal tetejére

A kurzus teljesítésének feltételei

Nappali és Levelező

A kurzusok teljesítéseinek értékelése pontozás alapján történik. Maximálisan összegyűjthető pontszám 100, amelyből a gyakorlaton 40-et, a vizsgán 60-at lehet megszerezni.
A gyakorlat teljesítésének (az aláírás megszerzése) feltételei:
• A gyakorlaton szerezhető maximális pontszám: 40 pont.
• Ebből legalább 20 pont szükséges a gyakorlat teljesítéséhez.
A gyakorlati pontszám a következőkből tevődik össze:
• A szorgalmi időszak végén egyeztetett időpontban egy zárthelyi dolgozat megírására kerül sor. A dolgozat során minimálisan 10 pont elérése kötelező a maximálisan szerezhető 20 pontból. A dolgozat megírása kötelező. A sikeres dolgozat nem javítható. Sikertelen dolgozat a kihirdetett időpontban javítható. A legalább 30%-ra megírt javító dolgozat minősül sikeresnek. Ebben az esetben azonban az eredeti dolgozat pontszámát viszi tovább vizsgára a hallgató függetlenül a javító dolgozatban elért pontszámtól.
• A hallgatóknak egy programozási feladatot is kell megoldani ennek két leadási határideje (mérföldkő) van. 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 15 pont adható.
• Csak az a hallgató vizsgázhat az ETR-ben meghirdetett vizsganapokon, aki a gyakorlatból a minimum 20 pontot megszerezte.
A vizsga (kollokvium) teljesítésének feltételei:
• A vizsga írásbeli. A maximális pontszám 60. A vizsga sikeres, ha a hallgató 30 pontot elért a 60-ból és az összpontszáma 50 felett van. A vizsgán +5 pont szerezhető, az alábbi könyv adott fejezeteinek elolvasása esetén, ha a vizsgán ezekre a fejezetekre vonatkozó kérdésekre helyesen válaszol a hallgató. Mérő László: Észjárások
A kollokvium érdemjegyének meghatározása a gyakorlaton és a vizsgán a fenti feltételeket kielégítő szerzett pontok összege alapján történik a következő ponthatárok szerint:
• 0 - 50 pont : elégtelen (1)
• 51 - 60 pont : elégséges (2)
• 61 - 80 pont : közepes (3)
• 81 - 90 pont : jó (4)
• 91 - 100 pont : jeles (5)
A vizsgáról való igazolatlan hiányzás a TVSZ. 17.§ (6) szabályozásának megfelelően elégtelen jegyű vizsgának minősül. Vizsgáról való hiányzás igazolását köteles a hallgató a hiányzást követő legelső vizsgáját megelőzően bemutatni.