Tantárgy neve (magyarul, angolul) | Neurális hálózatok és alkalmazásaik | |||
Neural Networks and Their Application
|
||||
Tantárgykód | BMEGEGT9104 | |||
Tantárgyjelleg | kontaktórás tanegység | |||
Kurzustípusok és óraszámok (heti/féléves) | kurzustípus: | előadás (elmélet) | gyakorlat | laboratóriumi gyakorlat |
óraszám (heti): | 2 | 0 | 0 | |
jelleg (kapcsolt/önálló): | - | - | - | |
Tanulmányi teljesítményértékelés (minőségi értékelés) típusa | vizsga | |||
Tantárgy kreditértéke | 3 | |||
Tantárgyfelelős | neve: | Dr. Monostori László István | ||
beosztása: | egyetemi tanár | |||
elérhetősége: | monostori@manuf.bme.hu | |||
Tantárgyat gondozó oktatási szervezeti egység | Gyártástudomány és -technológia Tanszék | |||
https://www.manuf.bme.hu | ||||
Tantárgy weblapja | https://manuf.bme.hu/?page_id=1692 | |||
Tantárgy oktatásának nyelve | magyar, angol | |||
Tantárgy elsődleges mintatantervi jellege | választható PhD tárgy | |||
Közvetlen előkövetelmények | Erős előkövetelmény | nincs | ||
Gyenge előkövetelmény | ||||
Párhuzamos előkövetelmény | ||||
Mérföldkő előkövetelmény | legalább 0 megszerzett kredit | |||
Kizáró feltétel | nincs |
Célkitűzés
A tantárgy célja az intelligens gyártórendszerekben alkalmazható mesterséges intelligencia módszerek ismertetése és felhasználásuk bemutatása. A tantárgy összefoglalja a mesterséges neurális hálózatok alapjait, ismerteti a főbb modelleket, bemutatja a legfontosabb alkalmazási területeket, kiemelve a gépészeti felhasználásokat. A szimbolikus tudásábrázolási és -feldolgozási technikák (elsősorban a szakértő rendszerek) összehasonlításra kerülnek a neurális hálók által nyújtott szubszimbolikus megközelítéssel. Bemutatásra kerülnek a két módszert integráltan megvalósító megoldások (hierarchikus rendszerek, neuro-fuzzy rendszerek) gépészeti felhasználásukkal együtt.
Tanulási eredmények
A tantárgy teljesítésével elsajátítható kompetenciák
Tudás
Átfogó ismeretekkel rendelkezik a neurális hálózatok elmélete témekörben, alkalmazási lehetőségeinek eszköztárát és célját illetően. Összehasonlítja a különböző neurális hálózatok viselkedését modellezéséhez szükséges eljárásokat. Ismeri a kutatáshoz, tudományos és szakértői munkához szükséges, széles körben alkalmazható problémamegoldó technikákat. Rendelkezik olyan ismeretekkel, melyek a mesterséges neurális hálózatok megbízhatóságának elemzéséhez szükségesek. Pontos ismeretekkel rendelkezik az alapvető neurális hálózat modellekről és az azokban alkalmazott számítási módszerekről. Tudomása van a neurális hálózatokban kezelt jellemzők időben változó karakterisztikájáról, a modellezett folyamatok analíziséről. Azonosítja jellemzők működési hibáit, s ezek dinamikus, időben változó hatásait. Tájékozott a neurális hálózatok fejlesztésének hazai és nemzetközi eredményeiről és sikeres alkalmazásairól. Tisztában van a különböző neurális hálózatok követelményeinek meghatározásával. Tájékozott a mesterséges neurális hálózatok alkalmazási külményeinek meghatározásában és a szükséges validálások végrehajtásában.
Képesség
Használja a neurális hálózatok és általában a mesterséges intelligencia módszereit, és a működésük során gyűjtött információkat. Feltárja az adott neurális hálózati modellek megbizhatóságát, alkalmazhatóságát, jelentőségének mértékét. Neurális hálózati modellek összeállítását, kísérletek tervezését végzi különböző technikákkal. Számítási algoritmusokat fejleszt különböző eljárások, módszerek alapján. Rangsorolja az adott feladatnál a különböző alkalmazható neurális hálózatokat. Elemzi a neurális hálózatok hibáit, megbízhatóságát, s ezek dinamikus, időben változó hatásait. Meghatározza a gyártási folyamatok modellezéséhez leginkább illeszkedő neurális hálózati modelleket. Azonosítja a felmerülő problémákat és megoldást javasol rá. A numerikus matematikai módszerek és a lágyszámítási eljárások megfelelő fejezeteit használja a problémák kezelésére. Képes az adatok elemzéséhez és a neurális hálózatok alkalmazásához szükséges szoftver eszközök kezelésére.
Attitűd
Munkáját, eredményeit és következtetéseit folyamatosan ellenőrzi. Fogékony a megszerzett tudás alkalmazására a problémamegoldó technikák felhasználásával. Törekszik az új szakmai és tudományos eredmények megismertetésére. Nyitott a lehetőségek szerint helytálló bírálat vagy vélemény megfogalmazására, döntéshozásra, következtetések levonására. Fejleszti a pontos és hibamentes feladatmegoldást, a mérnöki precizitást és szabatosságot szolgáló képességeit. Érvényesíti az energiahatékonyság, a fenntarthatóság és környezettudatosság elvét a megvalósítottneurális hálózati alkalmazások során.
Önállóság és felelősség
Együttműködik az ismeretek bővítése során az oktatókkal és hallgatótársaival. Elfogadja a megalapozott szakmai és egyéb kritikai észrevételeket. Egyes helyzetekben – csapat részeként – együttműködik hallgatótársaival a feladatok megoldásában. Ismeretei birtokában, elemzései alapján felelős, megalapozott döntést hoz. Elkötelezett a neurális hálózatokkal foglalkozó terület újabb ismeretekkel, tudományos eredményekkel való gyarapítására. Elkötelezett a rendszerelvű gondolkodás és problémamegoldás elvei és módszerei iránt.
Oktatási módszertan
A tantárgy oktatása előadások formájában feladatcentrikusan történik. Az előadások alapvetően a frontális oktatás technikáját alkalmazva ismertetik meg a hallgatókkal a tudás kompetenciaelemek által meghatározott információkkal, melynek során a hallgatók megismerik az méréstechnika elméletének és alkalmazási lehetőségeinek hátterét, jelentőségét. Az önálló foglalkozások az előadásokhoz kapcsolódóan, a méréstechnika egy előadó által kijelölt részterületre összpontosítva, lehetőség szerint a hallgatók érdeklődési területét figyelembe véve történik. A feladat tárgya lehet kísérlettervezés, jelfeldolgozás, adatelemzés, pareméteranalízis, irodalomkutatás. A feladat lehet egyéni vagy csoportmunka, a dokumentáció a feladattípustól függően projekt beszámoló, prezentáció, szoftver vagy számítás.
Tanulástámogató anyagok
Tankönyv
Raul Rojas: Neural Networks, Springer 1996 (ISBN 978-3-540-60505-8)
Jegyzet
Online elérhető tanulástámogató anyag
https://manuf.bme.hu/?page_id=1692
A tantárgyleírás hatályossága
Hatályosság kezdete: | 2020. február 10. |
Hatályosság vége: | 2024. december 31. |
Általános szabályok
A tanulási eredmények értékelése a félév végén benyújtott évközi írásbeli projekt beszámoló dolgozat és a hozzá tartozó prezentáció alapján történik. Az összegző tanulmányi teljesítményértékelés: a tantárgy és tudás, képesség típusú kompetenciaelemeinek komplex, írásos értékelési módja beszámoló dolgozat formájában, a beszámoló egyrészt a megszerzett ismeretek alkalmazására fókuszál, így a problémafelismerést és -megoldást helyezi a középpontba, azaz a megoldott gyakorlati feladatot kell bemutatni, másrészt a szükséges lexikális ismereteket kéri számon a teljesítményértékelés során.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása
1. Évközi teljesítményértékelés | ||
Típusa: | összegző (szummatív) értékelés | |
Darabszáma: | 1 | |
Célja, leírása: | Az összegző teljesítmény értékelés annak bemutatása, hogy rendelkezik a tárgy előadásain lehangzott ismeretekkel, valamint az irodalomban megjelölt ismeretekkel is. Képes a önállóan megoldani a felmerülő számításokat valamint egy légtechnikai rendszer felépítését. A tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek értékelési módja egy, a félév során zárthelyi dolgozat megírásának formájában. Az egységes értékelési elveket a tantárgyfelelős határozza meg. |
Vizsgaidőszakban végzett teljesítményértékelések részletes leírása
A vizsga elemei:
Szóbeli részvizsga | ||
Kötelezettség: | kötelező (rész)vizsgaelem, elégtelen teljesítése elégtelen(1) vizsgaérdemjegyet von maga után | |
Leírás: | Az előadások elhangzott témákból két véletlenszerűen kiválasztott kérdés szóbeli megválaszolása. A szóbeli felelet előtt rövid, tömör vázlat készítése. Ellenőrzésre kerül az alapvető ok-okozati összefüggések, az elmélet alkalmazása, illetve kapcsolata a gyakorlattal, alkalmazhatósága. A szóbeli vizsga kiváltható egy a félév során elkészített, a kutatási témához kapcsolódó feladat színvonalas megoldásával. |
Szorgalmi időszakban végzett teljesítményértékelések részaránya a minősítésben, aláírás megadásában
Azonosítója | Részarány |
---|---|
1. Évközi teljesítményértékelés | 100 % |
Az aláírás megadásának feltétele, hogy az évközi teljesítményértékeléseken szerezhető pontszám legalább 40 %-át elérje.
Vizsgaelemek részaránya a minősítésben
Típusa: | Részarány |
---|---|
Szóbeli részvizsga | 100 % |
Érdemjegy megállapítása
Érdemjegy | ECTS minősítés | Teljesítmény %-ban kifejezve |
---|---|---|
jeles (5) | Excellent [A] | 92 % felett |
jeles (5) | Very Good [B] | 85 % - 92 % |
jó (4) | Good [C] | 71 % - 85 % |
közepes (3) | Satisfactory [D] | 56 % - 71 % |
elégséges (2) | Pass [E] | 41 % - 56 % |
elégtelen (1) | Fail [F] | 41 % alatt |
Az egyes érdemjegyeknél megadott alsó határérték már az adott érdemjegyhez tartozik.
Jelenléti és részvételi követelmények
Az előadások legalább 70 %-án (lefelé kerekítve) jelen kell lenni.
Javítás, ismétlés és pótlás különös szabályai
A javításra, ismétlésre és pótlásra vonatkozó különös szabályokat a TVSz általános szabályaival együttesen kell értelmezni és alkalmazni.
Évközi összegző teljesítményértékelések egyenként eredményesen teljesítendők-e? | ||
igen | ||
Összegző teljesítményértékelés javítási, illetve ismétlési módja első alkalommal: | ||
az összegző (szummatív) teljesítményértékelések egyenként javíthatók, illetve ismételhetők | ||
Összegző teljesítményértékelés ismétlő-javítási lehetősége engedélyezett-e, ha igen, milyen formában: | ||
az ismétlő-javítás teljesítményértékelésenként egyenként lehetséges | ||
Korábbi eredmény figyelembevétele javítás, ismétlés-javítás esetén: | ||
több eredmény közül a hallgató számára kedvezőbbet kell figyelembe venni |
A tantárgy elvégzéséhez szükséges tanulmányi munka
Tevékenység | óra / félév |
---|---|
részvétel a kontakt tanórákon | 28 |
felkészülés az összegző teljesítményértékelésekre | 16 |
vizsgafelkészülés | 21 |
további, a teljesítéshez szükséges munkaidő ráfordítás | 29 |
összesen | 94 |
Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete: | 2020. február 10. |
Tantárgykövetelmények hatályosságának vége: | 2024. december 31. |
Elsődleges szak
A tantárgy elsődleges (fő) szakja, amelyen meghirdetésre kerül és amelyhez a kompetenciák kapcsolódnak:
Gépészmérnöki tudományok PhD képzés
Kapcsolódás a KKK rendelet céljához és (szakos) kompenetciáihoz
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Tudás
Képesség
Attitűd
Önállóság és felelősség
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti) |
nincs |
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti) |
mérnöki számítások készítése |