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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Kooperáció és gépi tanulás labor

    A tantárgy angol neve: Cooperation and Machine Learning Laboratory

    Adatlap utolsó módosítása: 2008. november 6.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Mérnök Informatikus Szak
    MSc képzés
    Intelligens Rendszerek Szakirány

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIM223 2 0/0/3/f 4  
    3. A tantárgyfelelős személy és tanszék Dr. Strausz György, Méréstechnika és Információs Rendszerek Tanszék
    4. A tantárgy előadója

     Név: Beosztás:  Tanszék, Int.:
     Strausz György
     Kovács Dániel László 
     Docens
     Tanársegéd
     MIT
     MIT

    5. A tantárgy az alábbi témakörök ismeretére épít

    Mesterséges Intelligencia

    6. Előtanulmányi rend
    Ajánlott:
    Nincs
    7. A tantárgy célkitűzése

    A laboratóriumi mérés sorozat kisebb (2-3 elemű) tematikus blokkokba van szervezve, amelyek során a hallgatók kisebb projekteket visznek végig, egy-egy adott célkitűzést próbálnak elérni. A tudásmodellezés és információelérés blokk feladataiban a hallgatók megismerkednek az információkeresés alapelveivel, egy keresési tárgyterület modellezésével és erre építve szemantikus információelérési problémát oldanak meg. A kooperáció blokk mérésein a hallgatók játékelméleti módszerek segítségével olyan kooperáló ágens-közösségeket alakítanak ki, amelyek elektronikus aukciókban és szavazásokban vesznek részt. A tervkészítés blokk keretében a hallgatók különböző tervkészítési módszerek segítségével oldanak meg egy tervkészítési és ütemezési feladatot. Az utolsó feladatcsoport a tanulás blokk, ahol a hallgatók statikus és dinamikus neurális, illetve bayes-i tanulási sémákkal kísérleteznek adott problématerületen.

    8. A tantárgy részletes tematikája

    I. Egyszerű keresési módszerek.
    A gyakorlat célja néhány egyszerűbb adat- és szövegfeldolgozási és webes keresési módszer kipróbálása.

    II. Tárgyterület modellezése.
    A gyakorlat célja kidolgozni a szemantikus kereséshez szükséges tárgyterületi modellt (ontológiát), és a gyakorlatban is kipróbálni a Protégé ontológiaszerkesztő eszközt.

    III. Szemantikus információkeresés.
    A gyakorlat célja az előző két gyakorlat eredményeinek ötvözése: a tárgyterület modelljével felvértezve szemantikus elemekkel bővíteni az első gyakorlaton implementált webes információelérést.

    IV. Játékelméleti ágensek vizsgálata.
    Egyszerű JADE (Java Agent DEvelopment framework) ágenseket felhasználva a hallgatók kísérleteznek különböző játékelméleti modellekkel. Vizsgálják a kooperatív és nem-kooperatív viselkedés és a különböző egyensúlyi helyzetek alakulását.

    V. Aukciós és szavazási protokollok vizsgálata.
    A standard üzenet- és protokollkészletre támaszkodva a hallgatók egyszerű JADE ágensekből létesítenek egy minta ágensközösséget és kipróbálnak benne bonyolultabb árverési és szavazási protokollokat, ill. kísérleteznek a protokollok manipulálásával.

    VI. Egy-ágenses (centralizált) tervkészítés.
    Ezen a gyakorlaton a hallgatóknak realisztikus tervkészítési problémák leírására alkalmas leírónyelv segítségével kell adott tervkészítési domain-t és problémát reprezentálniuk, majd az elkészült reprezentációt, mint bemenetet, egy „fekete doboz” tervkészítő alkalmazás bemenetére adják, amely automatikusan előállítja számukra a probléma megoldását jelentő terv(ek)et.

    VII. Több-ágenses (decentralizált) tervkészítés.
    Ezen a gyakorlaton a hallgatók valóban elosztott, több-ágenses tervkészítéssel ismerkedhetnek meg. A hallgatók feladata elosztott ágens-keretrendszer segítségével olyan BDI (Belief-Desire-Intention) architektúrájú ágensek készítése, melyek PRS (Procedural Reasoning System) rendszerek módjára reaktív tervkészítést valósítanak meg.

    VIII. Statikus  és dinamikus neuronhálók vizsgálata, és alkalmazása.
    A hallgatók egy egyszerű neuronhálós osztályozási feladat megoldásához konstruálnak különböző típusú statikus neuronhálókat és megvizsgálják a neuronhálók különböző paraméterbeállítási lehetőségeinek a hatását.

    IX. Idősor-előrejelzési feladat megoldása dinamikus hálókkal.
    A hallgatóknak olyan dinamikus neuronhálón (MLP, RBF vagy SVM) alapuló előrejelző rendszert kell konstruálniuk, mely előre elkészített adatsor alapján az adatsor folytatásának becslését adja meg.

    X. Bayes-i tanulás.
    A laborfoglalkozás célja a passzív megfigyeléseken alapuló tárgyterületi modelltanulás vizsgálata Bayes hálók felhasználásával.

    A laborhoz tartozó elméleti ismereteket hallgatók a Kooperációs és Intelligencia (VIMIM135) tárgy keretein belül, illetve a megadott irodalom megismerésével sajátíthatják el.

     

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

    Laboratórium. A hallgatók a 10 alkalommal 4 órás mérésen vesznek részt, a félév egy tájékoztatóval kezdődik.

    10. Követelmények

    Minden mérés elvégzése és a mérési jegyzőkönyvek leadása (az egyes jegyzőkönyvekre vonatkozó követelményeket a mérési utasítások rögzítik).

    A félévzáró osztályzatot a 4 kisebb projekt mérési jegyzőkönyveire kapott osztályzatok határozzák meg.

    11. Pótlási lehetőségek

    A hiányzott mérések pótlása közvetlenül az utolsó mérés után történik a szorgalmi időszak­ban. Legfeljebb 2 mérés pótolható.

    12. Konzultációs lehetőségek A mérések során a mérésvezetőkkel egyeztetett módon.
    13. Jegyzet, tankönyv, felhasználható irodalom

    Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 2005

    A tárgy honlapján elérető mérési útmutatók (kidolgozás alatt)

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra30
    Felkészülés zárthelyire
    Házi feladat elkészítése
    Kijelölt írásos tananyag elsajátítása48
    Vizsgafelkészülés
    Összesen120
    15. A tantárgy tematikáját kidolgozta

     Név: Beosztás:  Tanszék, Int.:
     Strausz György
     Kovács Dániel László 
     Docens
     Tanársegéd
     MIT
     MIT