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

    Belépés
    címtáras azonosítással
    vissza a tantárgylistához   nyomtatható verzió    

    A mesterséges intelligencia algoritmusai

    A tantárgy angol neve: Artificial Intelligence Algorithms

    Adatlap utolsó módosítása: 2023. január 31.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar     		PhD képzés
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIHID073   4/0/0/v 5  
    3. A tantárgyfelelős személy és tanszék Dr. Levendovszky János,
    4. A tantárgy előadója Dr. Levendovszky János, egyetemi tanár, Hálózati Rendszerek és Szolgáltatások Tanszék
    5. A tantárgy az alábbi témakörök ismeretére épít Lineáris algebra, analízis, valószínűségszámítás
    7. A tantárgy célkitűzése A tárgy célja a mesterséges intelligencia és a neurális információ processzálás algoritmikus hátterének mélyebb ismertetése, amely lehetővé teszi a különböző területeken fellépő kutatási feladatok megoldását, illetve a a kapcsolódó alkalmazásfejlesztéseket.
    8. A tantárgy részletes tematikája A mesterséges intelligencia fajtái és matematikai leírása
    Bayes döntés és halmazszeparálási feladatok
    Rosenblatt algoritmus és Robbins Monroe sztochasztikus approximáció
    Előrecsatolt neurális hálózatok és univerzális approximáció
    Komplexitás és konstruktív approximációelmélet (Blum és Li konstrukció,  Hahn-Banach tétel)
    A gépi tanulás statisztikai elmélete (bias-variance dilemma, VC dimenzió)
    Rekurrens neurális hálók
    Alkalmazás optimalizálásra
    Radiális Bázisfüggvény lapú  háló
    Boltzmann gép
    Support Vector Machine
    Alkalmazás telekommunikációs hálózatokban (QoS kommunikáció, adaptív kiegyenlítés, MUD, routing)
    Alkalmazás idősorok adatbányászatában (MSE alapú predikció, FCPD alapú predikció, pénzügyi idősorok  és outlier detekció, alkalmazás pénzügyi idősorokban)
    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás gyakorlati példákkal
    10. Követelmények Vizsgaidőszakban: sikeres vizsga
    11. Pótlási lehetőségek ismétlő vizsga
    12. Konzultációs lehetőségek Előzetes időpont egyeztetés alapján
    13. Jegyzet, tankönyv, felhasználható irodalom •    Artificial Intelligence: A Modern Approach | 2nd Edition ISBN-13:9780137903955ISBN:0137903952Authors:Peter Norvig,Stuart J. Russell
    •    Neural networks: a comprehensive foundation by Simon Haykin, Macmillan, 1994, ISBN 0-02-352781-7.
    •    Gupta, Sinha: Soft computing and intelligent systems – theory and applications


    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra 
    Félévközi készülés órákra 
    Felkészülés zárthelyire 
    Házi feladat elkészítése 
    Kijelölt írásos tananyag elsajátítása 
    Vizsgafelkészülés 
    Összesen 
    15. A tantárgy tematikáját kidolgozta Dr. Levendovszky János, egyetemi tanár, Hálózati Rendszerek és Szolgáltatások Tanszék