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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Kombinált fuzzy,neurális,genetikus módszerek

    A tantárgy angol neve: Fuzzy, Neural and Genetic Hibrid Methods

    Adatlap utolsó módosítása: 2009. november 11.

    Tantárgy lejárati dátuma: 2015. június 30.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak
    Mérnök Informatikus Szak
    Szabadon választható tárgy

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIVEJV11   4/0/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Kádár István,
    A tantárgy tanszéki weboldala http://www.vgt.bme.hu/okt/kombi/index.html
    4. A tantárgy előadója Dr. Retter Gyula Professor Emeritus VET (VG)
    Dr. Kádár István egyetemi docens VET (VG)
    5. A tantárgy az alábbi témakörök ismeretére épít Matematika, Hálózatok és rendszerek
    6. Előtanulmányi rend
    Kötelező:
    NEM ( TárgyTeljesítve("BMEVIVG9311") )

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

    A kötelező előtanulmányi rendek grafikus formában itt láthatók.

    Ajánlott:
    A tárgyat nem vehetik fel azok a hallgatók, akik kreditpontot szereztek a VIVG9311 Kombinált fuzzy, neurális és genetikus módszerek c. tárgyból.
    7. A tantárgy célkitűzése A fuzzy, neurális, genetikus lágy számítási rendszerek kombinációi a computational intelligence keretében egyre népszerűbbek, növekvő alkalmazásokkal. Ugyanis közös vonásaik lehetővé, kiegészítő tulajdonságaik előnyössé teszik egyesítéseiket, ilyen módon rendkívül hatékony, könnyen tervezhető, jól értelmezhető, olcsó változatok képezhetők.
    A fuzzy logika alapjait az a mód képezi, ahogyan az agy bánik pontatlan információkkal, míg a neurális hálózatok az agy felépítését követik egyszerűsítve. Mindkettő olyan modellt nem igénylő numerikus közelítő módszer, amelyik bizonytalan, pontatlan környezetben működő bonyolult rendszerek intelligenciájának javítására képes. A genetikus algoritmusok az öröklődés törvényeit követő globális optimalizáló rendszerek.
    8. A tantárgy részletes tematikája 1. hét: Összetevő rendszerek. Fuzzy rendszerek alapjai: fuzzy halmazok és alapműveletek, fuzzy halmazok további műveletei. Fuzzy relációk és a kiterjesztési elv.

    2. hét: Lingvisztikai változók és HA-AKKOR szabályok. Fuzzy logika és közelítő következtetés. Néhány inferencia rendszer.

    3. hét: Neurális hálózatok alapjai: neurális hálózat modellek. Felügyelt és nem felügyelt tanulás. Többréteges perceptron. Radiális bázisfüggvényes hálózatok, versengő tanulás. Kohonen önszervező térképe, tanuló vektorkvantálás.

    4. hét: Hebb tanulási szabály, megerősítő tanulás. Genetikus algoritmusok: rövid áttekintés, egyszerű genetikus algoritmus. A kombinációs változatok áttekintése.

    5. hét: Neuralizált fuzzy rendszerek áttekintése. Hibrid (integrált) neuralizált fuzzy rendszerek.I. Fuzzy rendszer tervezése neurális hálózattal bemeneti/kimeneti adatokból. Backpropagation változat. További változatok. Összehasonlítás a neurális hálózattal. II. Neurális hálózattal létrehozott fuzzy következtetés (NDR), a rendszer leírása, a módszer lépései.

    6. hét: III. Neurális-fuzzy szabályozó (NEFCON), a hálózat felépítése, tanulási lépések, architektúra, működés. Fuzzy hiba-propagálás, a szabálybázis tanulása. A NEFCON értékelése.

    7. hét: IV. Neurális hálózat alapú fuzzy logikai szabályozó (FALCON) változatai. Az egyes rétegek funkciói, tanulási szabályok, kezdeti struktúra, tagsági függvények tanulása, szabálybázis konstruálása. V. Általános közelítő következtetés alapú intelligens szabályozás (GARIC), egyszerű szabályozási kör, tanulási lépések.

    8. hét: VI. Fuzzy-Net (FUN) modell: tanulási lépések, tagsági függvények tanulása. VII. Adaptív hálózatok áttekintése, az ANFIS. Kooperatív neuro-fuzzy módszerek. Tagsági függvények optimális meghatározása. Szabálybázis tervezése tanuló vektorkvantálással. Szabály alakítás közvetlen összeméréssel.

    9. hét: Fuzzyfikált neurális hálózatok. Áttekintés a biológiai neuronra alapozva, neurális morfológia, hálózati architektúrák. Tanulási sémák. Fuzzyfikált hálózatok: az éles neurontól a fuzzy neuronig. Általánosított fuzzy neuron és hálózat. Aggregációs és aktivizációs függvények. ÉS és VAGY fuzzy neuronok. Többréteges hálózatok. Tanulás és adaptáció.

    10. hét: Fuzzy aritmetikás változat, fuzzy paraméterek. Hálózat, tanuló algoritmus. Fuzzy bemenet, hálózati architektúra, az algoritmus. Szimulációs eredmények. Fuzzy hiba-függvény.

    11. hét: Fuzzy, neurális, genetikus kombinációk. Fuzzy-neurális rendszer genetikus optimalizálása, technológiák és szabályozási alapok. Hibrid processzálás, esettanulmány, irányzatok. Neuralizált fuzzy hálózat genetikus tervezése, aszinkron genetikus algoritmus. FNC modul kölcsönhatása a GA optimalizálóval. Alkalmazási példa. Fuzzy szabályok önhangoló módszerei, javítás genetikus algoritmussal. Alkalmazási példa.

    12. hét: Fuzzy genetikus kombinációk. Genetikus algoritmusok fuzzy rendszerek javítására. Fuzzy logika és genetikus algoritmus adaptív folyamat szabályozásra, technológia és problématerület. Összevetés rokon hibrid rendszerekkel, adaptív GA-FLC. Genetikus módszer fuzzy szabályok tanulására, fuzzy rendszer genetikus kódolása, GA tanuló minta.

    13. hét: Genetikus algoritmusok javítása fuzzy logikával. Fuzzyfikált kromoszómák, genetikus műveletek fuzzy javítása. Genetikus neurális kombinációk. Segítő kombinációk, kollaboráns kombinációk. Neurális hálózat súlyainak optimalizálása. A keresztezés és mutáció adaptív valószínűsége. Redundancia eliminálása. Hibrid módszer.

    14. hét: Kaotikus kombinációk, kaotikus neuron, kaotikus neurális hálózat, kaotikus önszervező térkép. Fuzzy káosz, kaotikus idősor előrejelzése. Klasszikus intelligens kombinációk. Fuzzy-PID kombinációk, párhuzamos rendszerek. Klasszikus felügyelős rendszer, fuzzy "felügyelős" rendszer. Fuzzy csúszómód szabályozás, analízis, tervezés.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Előadás
    10. Követelmények a. A szorgalmi időszakban: 1 db. zh. megirása legalább elégséges (2) eredménnyel.
    b. A vizsgaidőszakban: szóbeli vizsga
    c. Elővizsga: az elővizsga feltétele a legalább jó (4) zh. eredmény.
    11. Pótlási lehetőségek A szorgalmi időszakban 1 alkalommal.
    A pótlási időszakban: 1 alkalommal.
    12. Konzultációs lehetőségek A szorgalmi időszakban a zh. elötti héten,
    a vizsgaidőszakban heti 1 alkalommal.
    13. Jegyzet, tankönyv, felhasználható irodalom 1. Retter Gyula: Fuzzy, neurális, genetikus, kaotikus rendszerek (Lágy számítási módszerek) Akadémiai Kiadó, 2006.
    2. Retter Gyula: Kombinált fuzzy, neurális, genetikus rendszerek (Kombinált lágy számítások). INVEST-MARKETING Bt., 2007.
    3. Borgulya István: Neurális hálók és fuzzy rendszerek. Dialog Campus K., 1998.
    4. Horváth Gábor szerk.: Neurális hálózatok és műszaki alkalmazásaik. Műegyetemi Kiadó, 1995.
    5. Kóczy T. László, Tikk Domonkos: Fuzzy Rendszerek. Typotex Kft., 2000.
    6. Várkonyiné Kóczy Annamária szerk.: Genetikus algoritmusok. Typotex Kft., 2002.
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra56
    Félévközi készülés órákra 
    Felkészülés zárthelyire24
    Házi feladat elkészítése 
    Kijelölt írásos tananyag elsajátítása 
    Vizsgafelkészülés40
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    Dr. Retter Gyula Professor Emeritus VET (VG)