Advanced Softcomputing Methods

Computer Science
Sapienta EMTE
6 credits

Teachers: Brassai Sándor Tihamér

Enroll now!

There is no open enrolment period for this course at the moment. Check back later!

Finished periods

2024/25/2
Magyar
2025. február 16.2025. május 24.
2025. február 9.
 – 
2025. március 2.
2024/25/1
Magyar
2024. szeptember 9.2024. december 14.
2024. szeptember 2.
 – 
2024. szeptember 22.
2023/24/2
Magyar
2024. február 11.2024. május 18.
2024. február 5.
 – 
2024. február 25.
2023/24/1
Magyar
2023. szeptember 10.2023. december 16.
2023. augusztus 27.
 – 
2023. szeptember 10.
2022/23/2
Magyar
2023. március 5.2023. június 4.
2023. február 19.
 – 
2023. március 5.
2022/23/1
Magyar
2022. szeptember 11.2022. december 11.
2022. augusztus 28.
 – 
2022. szeptember 11.
2021/22/2
Magyar
2022. február 13.2022. május 15.
2022. január 30.
 – 
2022. február 13.
2021/22/1
Magyar
2021. október 15.2022. január 16.
2021. október 3.
 – 
2021. október 15.

Teaser

Fedezd fel a lágy számítás alapjait, a fuzzy logikát, fuzzy következtető rendszereket, adaptív neuro fuzzy következtető rendszereket, mesterséges neurális hálózatokat, megerősítéses tanulást és hardver alapú neuronhálózatok megvalósítását. Csatlakozz hozzánk, hogy elsajátítsd az autonóm irányítórendszerek csúcstechnológiáit!

Description

Az előadás sorozatban a hallgatók megismerkednek a lágy számítások- , fuzzy logika alapjaival, fuzzy következtető rendszerekkel, adaptív neuro fuzzy következtető rendszerekkel, mesterséges neurális hálózatokkal, megerősítése tanítással valamint a neuronhálók hardver alapú megvalósításával. A tantárgy célja a softcomputing módszerek, intelligens irányítási rendszerek áttekintése, elsajátítása. A kurzus hallgatását követően a diákok megismerkednek a fuzzy és neuro fuzzy következtető rendszerek irányítási feladatokban való alkalmazásával, a különböző típusú neuronhálóknak irányítási és rendszer modellezési feladatokban való alkalmazásával. A hallgatók képesek lesznek a konvoluciós neuronhálókat konkrét feladatokban alkalmazni. Elsajátítják a megerősítő tanítási algoritmusok alapjait és különböző feladatokban való alkalmazási lehetőségeit. Betekintést nyernek a neuronhálók hardver alapú megvalósítás részleteibe.

Curriculum

  1. Soft computing (lágy számítások) bevezető
  2. Fuzzy logika alapok
  3. Fuzzy következtető rendszerek (Mamdani típusú következtető rendszer)
  4. Takagi Sugeno következtető rendszer
  5. Adaptív neuro-fuzzy követekztető rendszer
  6. Mesterséges neurális hálózatok (Előrecsatolt többrétegű hálózatok)
  7. Radiális bázisfüggvény hálózatok
  8. Nem felügyelt tanítású hálózatok, Kohonen háló
  9. Konvolúciós neuronhálók
  10. Megerősítő tanítás
  11. Neurális hálózatok hardveres megvalósítása

Requirements

Hetente ki kell töltenie a hallgatónak egy önértékelő tesztet Az önértékelő tesztek nem számítanak a végső jegybe.

  •     Hetente felmérő teszt (fj)  (10 felmérő teszt), időkorlátos, kétszeri próbálkozás, beadási határidővel (szükség esetén rugalmasan meghosszabbítva a határidőt), próbálkozások által elért átlagjegy jegy, súlyzó qj=1; Az utolsó témából a felmérő teszt pluszpontként van számolva.
    

-- Beküldendő terv (t) A szemeszter során a tematika alapján konvolúciós neuronhálókkal, fuzzy rendszerekkel a hallgatónak feladatokat kell beküldeni. A fuzzy feladatok pluszpontként számolódnak a gyakorlati pontokhoz. A konvolúciós neurális hálózatokból a feladat (terv) beküldése kötelező.

A végleges pontok számítása a következő képlet alapján történik:

Created: 2021. 10. 01, last modified: 2024. 09. 07.

Óbuda University © Copyright 2017-2024. All rights reserved.

Cookies?!
The K-MOOC Course Catalog site uses cookies for logging you in and saving your selected language.
Learn more here.
By continuing to use the site, you agree to this.
Okay