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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Intelligens elosztott rendszerek

    A tantárgy angol neve: Distributed Intelligent Systems

    Adatlap utolsó módosítása: 2018. március 5.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Mérnök informatikus Szak

    BSc képzés

    Rendszertervezés specializáció

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIAC02 6 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz Pawel, Méréstechnika és Információs Rendszerek Tanszék
    A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/VIMIAC02
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Dobrowiecki Tadeusz

    egyetemi docens

    MIT

    5. A tantárgy az alábbi témakörök ismeretére épít Beágyazott rendszerek, mesterséges intelligencia, elosztott rendszerek.
    6. Előtanulmányi rend
    Kötelező:
    (Szakirany("AMINrendsztervAUT", _) VAGY
    Szakirany("AMINrendsztervIIT", _) VAGY
    Szakirany("AMINrendsztervMIT", _) VAGY
    Szakirany("AMIaut", _) VAGY
    Szakirany("AMIintr", _)

    VAGY Training.code=("5NAA8") )

    ÉS NEM ( TárgyEredmény( "BMEVIMIA357" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIMIA357", "FELVETEL", AktualisFelev()) > 0)

    A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

    A kötelező előtanulmányi rendek grafikus formában itt láthatók.

    Ajánlott:
    Rendszermodellezés, Mesterséges intelligencia
    7. A tantárgy célkitűzése A tantárgy célkitűzése, hogy a hallgatók tanulmányozzák és tervezési jártasságot szerezzenek abban, hogy a gépi intelligenciát hogyan lehet alkalmazni az elosztott informatikai rendszerek szolgáltató képességeinek fokozására és ezáltal hogyan lehet lényegesen szélesíteni e rendszerek alkalmazási körét. Ez elsődlegesen az intelligencia rendszerintegráló, információfuzionáló, biztonságnövelő szerepét, továbbá a rendszer robusztusságának, adaptivitásának, és rugalmasságának növelését jelenti intelligens megoldások révén.
    A tárgy épít a Mesterséges intelligencia tantárgyban tanult módszerekre és ezeket felhasználva végigköveti az intelligens szolgáltatások kialakításának folyamatát a tudásalapú modellezés technológiáitól indulva, az adatok gyűjtésének és kiértékelésének feladatain keresztül, a kinyert információknak a rendszer jobbítására, tanulásra történő felhasználásáig.
    A rendszer képességei kiterjeszthető az intelligencia elosztásával, kitekintést adunk az elosztott, versengő vagy együttműködő többágenses megoldásokra, robotikus környezetekre, elosztott vegyes ember-gép rendszerek lehetőségeire

    8. A tantárgy részletes tematikája

    1h. Alkalmazások

     Intelligens elosztott rendszerek tipikus alkalmazási környezetei: kiber-fizikai rendszerek, intelligens beágyazott rendszerek, ambiens intelligens terek, otthoni egészségügy és AAL (Ambient Assisted Living), intelligens szenzor hálózatok, szolgáltató robot együttesek, stb., stb. (problémák feltárása, alapvető követelmények, tipikus feladatok, az ember-gép kapcsolat átértékelése).

    2h. Adatelemzés

    Heterogén adatok statisztikai alapelemzése, felderítő adatelemzése. Adatelemzési eredmények felhasználása döntéstámogatási feladatokban.

    3h. Információ- és tudásfúzió

    Az információmenedzsment, információ és tudásfúzió problémái. Szenzor szintű információfúzió, fúziós architektúrák, fúziós algoritmusok.

    4h. Szemantikus fúzió

    Szemantikus fúzió ontológiák és ontológiai következtetés segítségével. Szenzorweb szabvány, SOS (szenzor operációs rendszer).

    5h. Tárgyterületi modellek tervezése.

    Ontológiai tudás és menedzsmentje, ontológiamérnökség. Leíró nyelvek és platformok, RDF adatmodellek, OWL, Protege. Problémamegoldás ontológiákkal, következtetés.

    6h. Elosztott rendszerek tudásalapú modellezése

    Tudáskezelés: specifikus reprezentációs problémák, logikai és emocionális modellek, temporális és térbeli következtetés.

    7h. Többágenses szervezetek

    Többágenses rendszer architektúrák, többágenses rendszerek szervezeti formái és azok tulajdonságai. Szervezeti formák tipikus alkalmazási környezetei, a centralizált rendszerektől az elosztott intelligenciáig.

    8h. Ágens kommunikációs nyelvek

    Integráció kommunikáció révén, ágens rendszerek viszonya a párhuzamos programozási paradigmákhoz. Ágens kommunikációs nyelvek speciális vonásai. FIPA szabvány és Jade implementációja.

    9h. Kommunikációs protokollok

    Párbeszéd-protokollok fajtái. Kommunikációs párbeszéd szabványosítási problémái. Ágens programozási platformok. BDI rendszermodell AgentSpeak megvalósítása és Jason implementációja.

    10h. Kooperatív protokollok

    Kooperatív protokollok lényege. Elosztott következtetés. Vállalkozási Hálók protokollok (alap protokoll és kiterjesztései).

    10h. Mechanizmus-tervezési protokollok kompetetív környezetben

    Mechanizmus-tervezés piaci paradigmában és az árverési algoritmusok. Gépi árverés speciális vonásai. Intelligens rendszerek feladatmegosztásának piaci megközelítése. Egyszerű és összetett feladatok megosztása.  

    10h. Tevékenység-koordinálás

    Koordinálási problémák. Tevékenység-koordinálás kooperatív elosztott kereséssel és tervkészítéssel.

    11h. Konfliktusok és modellezésük

    Konfliktusok problémaköre, tudás-intenzív konfliktusfeloldás, mechanizmus-tervezés és az  alapvető játékelméleti fogalmak és sémák.

    12h. Konfliktusok kezelése versengő környezetekben

    Szavazáselmélet. Szavazó protokollok és problémái. Gépi szavazás speciális problémái. Ad hoc megoldások.

    13h. Adaptivitás elosztott kooperatív rendszerekben

    Alapvető tanulási sémák. Tudáskomponensek (hiedelmek és célok, ill. eljárásmódok) tanulása. Kooperatív tanulás lehetőségei.

    14h. Adaptivitás elosztott versengő rendszerekben

    Tanulás versengő környezetben. Megerősítéses tanulás versengő környezetben.


    Gyakorlatok:
    A gyakorlatokon a hallgatók megismernek elosztott ágens környezet technológiákat és ezek alkalmazását beágyazott környezetekben, otthoni intelligens környezetekben.

    1. gyakorlat: Információ-fúzió

    Heterogén adatok vizsgálata, alapelemzésének bemutatása szimulált és valós adatok segítségével.

    2. gyakorlat: Információ-fúzió

    Információfúzió, fúziós eljárások vizsgálata és összehasonlítása.

    3. gyakorlat: Ontológiai tudásmenedzsment

    Egyszerű ontológiák tervezése, szerkesztése, ontológiai következtetési kísérletek.

    4. gyakorlat: Kommunikáció és kooperáció

    Kommunikáció ACL szintem (FIPA szabvány). Vállalkozási Hálók protokollok megvalósítása, kisérletezés (Jade platform, Java programozás).

    5. gyakorlat: Kommunikáció és kooperáció

    Kooperatív feladatmegoldás szimulált beágyazott környezetben. Ágensek BDI modellezése (AgentSpeak, Jason platform, Java programozás).

    6. gyakorlat: Kommunikáció versengő környezetben

    Kísérletezés árverési és szavazási protokollokkal elosztott gépi környezetben (Jade platformon, Java programozás).

    7. gyakorlat: Elosztott tanulás

    Kísérletezés megerősítéses tanulási sémákkal kooperatív és versengő alkalmazói környezetben (feltehetően Matlab programozás).

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

    Előadás és demonstrációk/gyakorlatok tantermi és labor környezetben, ill. egyes számonkérendő témakörök otthoni munkával történő elsajátítása megadott olvasmányok és demó platformok alapján.

    10. Követelmények

    A szorgalmi időszakban:
    Félév közben (előadástól külön időpontban) egy nagy ZH, amely a félév utolsó hetében pótolható, a szükséges minimum szint 40% (azaz 20 pont). Félév közben egy nagy, programozás jellegű házi feladat (nagyobb elosztott intelligens rendszer tervezése). A szükséges minimum szint 50% (azaz 10 pont). Félév közben kisebb, pontozott fakultatív programozási feladatok.

    A vizsgaidőszakban:

    Írásbeli vizsga (esetenkénti beugróval): a szükséges minimum szint 40% (azaz 20 pont).

    Az érdemjegy megállapításánál figyelembe vesszük az érvényes ZH pontszámának a felét, a kötelező és a fakultatív házi feladat pontokat, valamint a vizsgán szerzett pontokat.


    11. Pótlási lehetőségek

    A ZH és a házi feladat külön eljárási díj ellenében a pótlási héten pótolható. A fakultatív házi feladatok a szorgalmi időszakon túl nem pótolhatók.

    12. Konzultációs lehetőségek Igény esetén, megbeszélés alapján.
    13. Jegyzet, tankönyv, felhasználható irodalom

    Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, 2., átdolgozott kiadás, Panem Kiadó, Budapest, 2006

    M. Wooldridge, An Introduction to MultiAgent Systems. John Wiley & Sons, 2008.

    R. H. Bordini, J. F. Hübner, and M. Wooldridge, Programming Multi-Agent Systems in AgentSpeak using Jason. John Wiley & Sons, 2007.

    Fabio Luigi Bellifemine, Giovanni Caire, Dominic Greenwood, Developing Multi-Agent Systems with JADE, John Wiley & Sons, 2007.

    Jose M Vidal, Fundamentals of Multiagent Systems with NetLogo Examples, 2010, http://jmvidal.cse.sc.edu/papers/mas.pdf

    E. A. Lee and S. A. Seshia, Introduction to Embedded Systems: A Cyber-Physical Systems Approach, 2nd Ed., 2017, MIT Press.

    K. Faceli, A.C.P.L.F. De Carvalho and S.O. Rezende, Combining Intelligent Techniques for Sensor Fusion, Applied Intelligence Vol. 20. 2004. pp 199-213.

    Mesterséges Intelligencia Elektronikus Almanach, http://mialmanach.mit.bme.hu/aima/index

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra 42
    Félévközi készülés előadásra 7
    Félévközi készülésgyakorlatra 7
    Felkészülés zárthelyire12
    Házi feladat elkészítése20
    Vizsgafelkészülés32
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Dobrowiecki Tadeusz

    egyetemi docens

    MIT

     Dr. Pataki Béla
     egyetemi docens MIT
    IMSc tematika és módszer

    Az IMSc program hallgatói számára emelt szintű fakultatív házi feladatokat kínálunk. Alapvető célunk az, hogy a hallgatókat a tananyag mélyebb megismerésére ösztönözzük, ugyanakkor fakultatív feladatokkal választási lehetőségeket is kínáljunk számukra.

    IMSc pontozás

    A tantárgyból maximum 20 IMSc pont szerezhető, amire összesen 30 pontnyi választási lehetőséget kínálunk az alábbiak szerint:

    • Zárthelyin (pótzárthelyin) maximum 8 IMSc pont szerezhető a haladó feladat megoldásáért, ha a dolgozat többi részéből legalább 66%-ot elért a hallgató.
    • Fakultatív házi feladatok emelt szintű megoldásáért összesen maximum 14 IMSc pont szerezhető.
    • Bármelyik vizsgán maximum 8 IMSc pont jár a haladó feladat megoldásáért, ha a vizsgán szerzett érdemjegy egyébként jeles.

    Az IMSc pontok gyűjtése teljesen független a tantárgyban szerezhető ZH, vizsga- és fakultatív házi feladat pontoktól. Ezen pontok megszerzése és a fakultatív feladatok megoldása nélkül is jeles szinten teljesíthetők a tantárgy követelményei. Az IMSc pontok megszerzése az IMSc programban nem résztvevő hallgatók számára is biztosított.

    Egyéb megjegyzések Intelligent distributed systems