Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

A tárgy a megfigyelésen alapuló modellalkotás kérdéseivel foglalkozik. Célkitűzése, hogy a hallgató jártasságot szerezzen a modellépítés, a tanulási és identifikációs módszerek használatában, valamint ismereteket nyújtson az adaptív jelfeldolgozási és irányítási feladatok megoldásához.

A tanulás fogalma, a tanulás célja, a tanulási módszerek osztályozása. Alapvető tanulási paradigmák: tanulás tanítóval és tanító nélkül, megerősítéses tanulás. Bevezető példák.

Matematikai alapok. Az optimalizálás alapvető módszerei (LP,QP, dinamikus programozás), numerikus optimalizálás alapjai. A statisztika alapvető fogalmai és problémái.

Tanulás tanítóval. Pontbecslés, intervallumbecslés, hipotézis vizsgálat. Alapvető tulajdonságok és módszerek. (ls/tls, ml/stls, Bayes becslők, iv, altér alapú). Struktúrabecslés, komplexitás kezelése, kísérlettervezés. Nemlineáris rendszerek identifikációja, univerzális approximátorok (interpolációs módszerek,  k-legközelebbi szomszéd módszere, neurális háló, support vektor, fuzzy rendszerek, regressziós fa…).  Regressziós és osztályozási problémák és módszerek kapcsolata. Osztályozási algoritmusok.

Tanító nélküli tanulás. Osztályozás tanító nélkül. Lényegkiemelő, k-közepek , EVD-SVD algoritmusok..

Megerősítéses tanulás alapjai. Dinamikus programozás, Q tanulás. Az adaptív irányítás általános elmélete, duális irányítás, aktív és passzív adaptív rendszerek, modellreferenciás és paraméteradaptív rendszerek , heurisztikus módszerek.. Implementációs kérdések. Esettanulmányok..

a. A szorgalmi időszakban:

A félév során egy házi feladat készítenek a hallgatók. A félévvégi aláírás feltétele a házi feladat legalább elégséges szintű teljesítése.

A vizsga módja: írásbeli. A vizsgáztató jogosult szóbeli kérdéseket is feltenni.