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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Információfeldolgozás

    A tantárgy angol neve: Information Processing

    Adatlap utolsó módosítása: 2018. március 5.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar
    Villamosmérnöki szak, MSc képzés
    Beágyazott információs rendszerek főspecializáció
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIMA10 2 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Dabóczi Tamás, Méréstechnika és Információs Rendszerek Tanszék
    A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/VIMIMA10/
    4. A tantárgy előadója

    Dr. Dabóczi Tamás egyetemi docens, MIT

    Dr. Pataki Béla egyetemi docens, MIT

    5. A tantárgy az alábbi témakörök ismeretére épít

    Jelek és rendszerek

    Méréstechnika

    Méréselmélet

    6. Előtanulmányi rend
    Kötelező:
    NEM ( TárgyEredmény( "BMEVIMIM237" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény( "BMEVIMIM151" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIMIM237", "FELVETEL", AktualisFelev()) > 0
    VAGY
    TárgyEredmény("BMEVIMIM151", "FELVETEL", AktualisFelev()) > 0)

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

    A kötelező előtanulmányi rendek grafikus formában itt láthatók.

    Ajánlott:
    BSc elvégzése
    7. A tantárgy célkitűzése A tantárgy a környező anyagi világból származó információ (mérési eredmények, mért jelek stb.) jellemzésével, kinyerésével, és komplex feldolgozásával foglalkozik, alapvetően a beágyazott rendszerekben előforduló alkalmazásokra koncentrálva. Áttekinti a digitális jel- és információfeldolgozás alapvető módszereit, eszközkészletét (mintavételezés, kvantálás, átlagolás, DFT, modellillesztés, szűrés, szenzorfúzióMegismertet a sztochasztikus folyamat alapú leírással. Bemutatja a jelfeldolgozási algoritmusok implementálását, és a limitált erőforrásból, ill. véges szóhosszból eredő problémákat. Bemutatja az információfeldolgozás mesterséges intelligencia módszereit (tanuló rendszerek, fuzzy rendszerek, információfúzió, klaszterezés és osztályozás, mintaillesztés). Valós idejű viselkedés szempontjából elemzi a megvalósításhoz szükséges szoftver architektúrákat, és analízis-módszereket mutat be a futási idő és a válaszidő számítására. Megismertet az elosztott rendszerekben való valós idejű szinkron viselkedés alapvető eszközkészletével.
    8. A tantárgy részletes tematikája

    Bevezetés: Információfeldolgozás folyamata, lépései, módszerei

    Információfeldolgozás hagyományos módszerei

    Jelek típusai és jellemzőik. Sztochasztikus folyamatok. Megfigyelés: parametrikus és nem parametrikus modellek. Jelfeldolgozás szokásos lépései: (analóg) jelkondicionálás, szűrés, lényegkiemelés, döntés, beavatkozás.                                                                                      (1 hét)

    Digitális jelfeldolgozás torzító hatásai: mintavételezés, kvantálás, véges mintaregisztrátum, véges szóhossz.                                                                                                                                                (1 hét)

    Tipikus megfigyelt paraméterek: átlagérték, szórás, Fourier komponens. Átlagolások. DFT tulajdonságai, ablakozás. PWM hatása a spektrumra. Hatékony Fourier analízis, és Adaptív Fourier Analizátor.                                                                                                                                (1.5 hét)

    Tipikus jelfeldolgozási feladatok:                                                                                                   (2.5 hét)

    • lineáris szűrés (FIR és IIR), szűrőtervező programok használata, skálázás, együttható kerekítés hatása az átvitelre, véges szóhossz hatása, implementálás mikrokontrolleren, DSP-n.
    • nemlineáris szűrések
    • szűrés transzformált tartományban (cirkuláris konvolúció),
    • mintavételi frekvencia váltása,
    • hibák analóg és digitális kompenzálása (inverz szűrés),
    • szenzorfúzió (komplementer szűrő, Kalman szűrő).

    Valós idejű információfeldolgozás

    Valós idejű (RT) rendszerek tulajdonságai. SW architektúrák elemzése RT szempontból. (1 hét)

    SW-ek futási idő analízise: ütemezhetőségi analízis, Worst Case Execution Time (WCET) becslése.                                                                                                                                                                     (1 hét)

    Elosztott rendszerek valós idejű működése: óraszinkronizáció. Valós idejű kommunikáció elosztott rendszerekben.                                                                                                                      (1 hét)

    Információfeldolgozás mesterséges intelligencia módszerei

    Tanuló rendszerek( ellenőrzött tanulás: döntési fák, neurális hálózatok)                    (1 hét)

    Fuzzy rendszerek. (fuzzy bizonytalanságkezelés, tagsági függvények, Mamdani és Takagi- Sugeno következtető rendszer)                                                                                                                 (0.5 hét)

    Információfúzió       (Dempster-Shafer fúzió, ismerethiány, illetve konfliktusok modellezése)                                                                                                                                                               (1 hét)

    Klaszterezés, osztályozás    (Generatív és diszkriminatív klaszterezési eljárások, k-átlagképző eljárás, hierarchikus klaszterezés, EM algoritmus)                                                                           (1.5 hét)

    Mintakeresés: (AI módszerek, korreláció, illesztett szűrő, Dynamic Time Warping, legrövidebb hosszúságú leírás)                                                                                                                                    (1 hét)

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

    Heti 2 óra előadás, 1 óra gyakorlat (feladatmegoldás, közös számítások)

    A tantárgyhoz a következő félévben lesz laboratórium:
    BMEVIMIMB03  Információfeldolgozás laboratórium

    10. Követelmények

    Félév közben az aláíráshoz:

    • 1 nagyzárthelyi

    Vizsgához: aláírás

    11. Pótlási lehetőségek

    Egy pótzárthelyi a TVSZ szerint, a szorgalmi időszakban.

    12. Konzultációs lehetőségek Megbeszélés szerint
    13. Jegyzet, tankönyv, felhasználható irodalom

    Tanszéki munkaközösség: Balogh László, Kollár István, Németh József, Péceli Gábor, Sujbert László, Digitális jelfeldolgozás. Hallgatói segédlet, BME Méréstechnika és Információs Rendszerek Tanszék, 2008. 172 oldal.

    Altrichter Márta, Horváth Gábor, Pataki Béla, Strausz György, Takács Gábor, Valyon József, Mesterséges Intelligencia Almanach, Panem Könyvkiadó Kft, 2006. Online tananyag. https://mialmanach.mit.bme.hu/

    Elektronikus segédanyag a tantárgy honlapján: http://www.mit.bme.hu/oktatas/targyak/vimima10/jegyzetek

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontaktóra42
    Készülés előadásra7
    Készülés gyakorlatra
    7
    Önálló tananyag-feldolgozás
    16
    Zárthelyi dolgozat
     16
    Vizsgafelkészülés 32
    Összesen 120
    15. A tantárgy tematikáját kidolgozta

    Dr. Dabóczi Tamás egyetemi docens, MI

    Dr. Pataki Béla egyetemi docens, MIT