MESTERSÉGES INTELLIGENCIA
|
|
- Tivadar Molnár
- 5 évvel ezelőtt
- Látták:
Átírás
1 MESTERSÉGES INTELLIGENCIA MESTERSÉGES ÉLET Orás s LászlL szló
2 Bevezetés Definció Áttekintés Célok Pozitívumok Alkalmazások
3 Bevezetés > Definció Áttekintés Célok Pozitívumok Alkalmazások Definició: mesterséges életnek nevezzük azokat, az ember által előáll llított modelleket, melyek segíts tségével élő szervezeteket, et és ezek időbeli evolúci cióját t szimulálj lják vagy reprezentálj lják
4 Bevezetés Definció > Áttekintés Célok Pozitívumok Alkalmazások Áttekintés: a mesterséges élettel foglalkozó tudomány magában foglalja úgy a számítógép által szimulált lt életfolyamatokat, mint a mesterségesen létrehozott l proteinek és s más, m az élettel kapcsolatba hozható molekulák modellezését
5 Bevezetés Definció > Áttekintés Célok Pozitívumok Alkalmazások Áttekintés: A közös k s ebben a sokrétű,, rengeteg különböző gyakorlati alkalmazással rendelkező tudományban egy iteratív, generáci ciónként nt változv ltozó, ágens populáci ció koncepciójának nak az alkalmazása
6 Bevezetés Definció Áttekintés > Célok Pozitívumok Alkalmazások Célok: az ágensek vagy ágens populáci ciók fejlődésének, változv ltozásának tanulmányoz nyozása
7 Bevezetés Definció Áttekintés > Célok Pozitívumok Alkalmazások Célok: egy valós s világbeli jelenség, folyamat tanulmányoz nyozása egy zárt, z tetszés s szerint konfigurált, számítógép által irány nyított közegbenk
8 Bevezetés Definció Áttekintés Célok >Pozitívumok Alkalmazások Pozitívumok: Ezáltal elkerülhet lhető a való világban létező egyedeken folytatott kísérletezés. Eddig, kivitelezhetetlen vagy erkölcsi akadályokba ütköző kisérltek elvégz gzése (természetes kiválaszt lasztódás, s, Lamarck evolúci ció).
9 Bevezetés Definció Áttekintés Célok Pozitívumok Alkalmazások Alkalmazások: Mesterséges kémiak kémiai reakciók k modellezése Hangya kolónia optimalizálás Gráfkeres fkeresési si feladatokra visszavezethető problémák Genetikus algoritmusok Optimális megoldást közelk zelítő algoritmus keresése se
10 Bevezetés Definció Áttekintés Célok Pozitívumok Alkalmazások Alkalmazások: Genetikus programozás A felhasználó által definiált program automatikus kifejlesztése se Raj intelligencia Önszervező,, decentralizált lt szimuláci ciója Evolúci ciós s művészetm Az alkotások kereszteződnek
11 Modellezési módszerekm
12 : Definíci ció: egy diszkrét t dinamikus rendszer véges állapotterű sejtek a sejt aktuális állapota a környezetk rnyezetétől, az előző állapottól l illetve a lokális lis szabályokt lyoktól l függf a sejtek párhuzamosan p változnakv az idő,, az állapotok, a tér t r diszkrét
13 : Osztályoz lyozás: Dimenzió szerint törtt rténik: 1,2... N dimenziós s sejtautomaták Kezdeti konfiguráci ció: Kezdetben minden sejt ugyanabban az állapotban van, kivéve ve egy véges v számú sejthalmazt mely más m állapotban van
14 : Egy dimenziós s automata
15 : Game of life két t dimenziós s S.A. A sejtnek két k állapota van. A sejt túlélili a kört, k ha két k t vagy három h szomszédja van. A sejt elpusztul, ha kettőnél l kevesebb (elszigetelődés), vagy háromnh romnál l több t (túlnépesedés)) szomszédja van. Új j sejt születik minden olyan cellában, melynek környezetk rnyezetében pontosan három h sejt találhat lható. Példaprogram: Game of life Életjáték ://
16 : Definició: "Ágens akármi lehet, amit úgy lehet értelmezni, hogy szenzoraival a környezetét érzékeli és a beavatkozó szerveivel a környezetébe beavatkozik" (Russel, Norvig, 1995) "Autonóm ágensek olyan számítási, amelyek valamilyen komplex dinamikus környezetben tartózkodnak, érzékelnek és ebben a környezetben autonóm módon cselekednek, és ily módon olyan taszkokat vagy célokat valósítanak meg, amire megtervezték őket (Maes, Pattie 1995)
17 : Példaprogram: Aspirador Osztályoz lyozás 'artificial life' ágensek Hangyakolónia nia szoftver ágensek vírusok szórakoztat rakoztató ágensek taszk-specifikus specifikus ágensek
18 : 'Gyenge' ágens - az intelligens viselkedés külső reprodukálása Alapvető tulajdonságok: 'kitartó' ' (persistent) - folyamatosan konzisztens belső állapottal rendelkezik; autonóm - nagy fokú kontrollt gyakorol a saját belső állapota és s akciói i felett; önálló - direkt emberi beavatkozás s nélkn lkül működik; reaktív - érzékeli a környezetk rnyezetének nek változv ltozásait és s reagál l azokra; szociális - kapcsolatban áll emberekkel, ill. más m ágensekkel; kommunikál - képes informáci ciót t cserélni más m kel;
19 : Kiegész szítő tulajdonságok a magasabb intelligencia irány nyában: kezdeményez nyezés: - felhasználói i feladat hiány nyában maga fogalmazza meg a feladatait mobilitás - képes helyről-helyre helyre mozogni, megtartva saját t belső állapotát következtetés - tehát t tudnia kell logikai módon m következtetni tervkész szítési si készsk szség - a fentiekből értelemszerűen en következikk
20 : Kiegész szítő tulajdonságok : tanulás, adaptáci ció párbeszéd jóindulat - megkísérel teljesíteni teni mások m kéréseit; szelektív v figyelem - hatékony működés m véges erőforr források ill. szenzorikus lehetőségek mellett; racionális - céljai elérésére re törekszik; t
21 : Erős ágens - a 'tiszta' intelligencián túlmenően, en, más m s 'emberibb' vonások is Például: tudás vélemény szánd ndék meggyőződés Érzelmekkel felruházott ágens: emocionális ágens
22 : reaktív ágensek egyszerű intelligenciával rendelkeznek, a környezet egy ingerére re reflex- szerűen en reagálnak kognitív ágensek a reaktív ágensek képest k több t szempont figyelembevétele és s gondolkodás után n reagálnak
23 : A modellezés s tárgya: t segíts tségével dinamikus, nem-egyens egyensúlyi et modellezünk Például: társadalmi, politikai, szociális folyamatok gazdasági, gi, piaci jelenségek ökológiai, földrajzi f folyamatok
24 : környezetek környezet = az a közeg,, amelyben az ágensek léteznekl a környezet k egy speciális ágens, melynek tulajdonságai különbk nböznek a többi t ágenstől a modellezéshez szüks kség g van az ágens környezetk rnyezetének nek definiálására
25 : A modellezés: a statisztikai módszerekkel m szabályszer lyszerűségeket állapítunk meg és ezeket alkalmazzuk a modellépítésn snél modellépítő szoftverek használata: SWARM Repast Netlogo oplog/packages/simagent.html
26 : Definíci ció: több ágensből álló modell esetén n multiágens ről l beszélünk A lényeg: l osztott intelligencia: műveletvm veletvégzés, a gondolkodás és s irány nyítás s nem egy centrumban történik Példaprogram: ://
27 : Típusai: Számuk szerint kevés, de intelligens ágensekből álló, ezek általában egy feladatra koncentrálnak Számuk szerint sok, de kevésb sbé intelligens ágensekből álló, ezeket inkább szimuláci ciókra használj lják k (pl. Game of life)
28 : Típusai: Heterogén az ágensek különbk nböznek Homogén az ágensek egyformák, a környezeti k ágens kivétel telével
29 : tulajdonságai Emergencia: lokális lis szabályok által kiváltott viselkedések sek hatása a rendszer egész szére Példa: tapsolás s a szính nházban közlekedést szimuláló programban a forgalmi dugók k létrejl trejöttette
30 : tulajdonságai Evolúci ció: Az ágensek az idő során, a biológiai evolúci cióra alapuló,, genetikus algoritmusok segíts tségével fejlődnek Például: Ragadozó ágensek Egymással kommunikálnak, elősz ször r csak véletlenszerű üzenetekkel A kommunikáci ció következtében a generáci ciók k során n a vadászat hatékonnyabb konnyabbá válik
31 Neuronális : h Definíci ció: párhuzamos, osztott feldolgozó hálózat, mely a biológiai neuronális háló h (agy illetve idegrendszer) néhány n ny tulajdonságát t modellezi Felépítés: hálózatba kötött k tt csomópontokb pontokból (neuronokból áll) melyek adott bemenet függvényében egy kimenetet állítanak elő
32 Neuronális h Neuronális : h Alkalmazásai: Olyan területek, ahol megfigyelésekb sekből l kell levonni következtetéseket, az adatok alapján Például: mintafelismerés függvényapproximáció adatfeldolgozás
33 Befejezés Források Hasznos címekc Köszönet
34 Befejezés Források Szerző Köszönet Források: Internet: Címszavak: Cell automaton Agents Multiagent Systems Neuronal Networks Könyvek: Kooperatív v jegyzet d09172c65fa6540daf02f3055 modellek a társadalomtudomt rsadalomtudományokban (Vág g András statisztikai szemle,84 évfolyam, 1. szám)
35 Befejezés Források Szerző Köszönet Órás Kupsa László Tamás 541/2
36 Befejezés Források Szerző Köszönet Köszönöm m a figyelmet!
Ágensek bevezető áttekintés:
Ágensek bevezető áttekintés: 1. Racionális ágens megközelítés - racionális cselekvés = bizonyos hiedelmeket feltételezve, adott célok elérésére irányul - a cél = a környezet (környezeti feltételek) egy
RészletesebbenPélda sejtautomatákra. Homokdomb modellek.
Példa sejtautomatákra. Homokdomb modellek. Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet
Részletesebbenmint forrás Hálózati munka Pataki Éva
A szociális hálóh mint erőforr forrás Hálózati munka Pataki Éva A képzk pzés s az Európai Unió társfinanszírozásával valósul meg. Teoretikus hátterekh Szociálökol kológiai elv (Germain( Germain/Gitterman):
RészletesebbenNeurális hálózatok bemutató
Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:
Részletesebben1. Informatikai trendek, ágensek, többágenses rendszerek. Intelligens Elosztott Rendszerek BME-MIT, 2018
1. Informatikai trendek, ágensek, többágenses rendszerek A számítástechnika történetének 5 nagy trendje mindenütt jelenlévő (ubiquity) összekapcsolt (interconnection) intelligens delegált (delegation)
RészletesebbenROBOTIKA. Kürti. Levente
ROBOTIKA Kürti Levente Megnevezés Robot: a cseh robota szóból származik = munka teljes egész szében ember által készk szített szerkezetek mozogni tudnak, a mozgásban több t szabadságfokkal rendelkeznek
RészletesebbenKonzulensek: Mikó Gyula. Budapest, ősz
Önálló laboratórium rium 2. M.Sc.. képzk pzés Mikrohullámú teljesítm tményerősítők linearizálása adaptív v módszerekkelm Készítette: Konzulensek: Sas Péter P István - YRWPU9 Dr. Sujbert László Mikó Gyula
RészletesebbenMesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek
Mesterséges Intelligencia Elektronikus Almanach Konzorciumi partnerek 1 Konzorcium Budpesti Mőszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Méréstechnika és Információs Rendszerek
RészletesebbenStratégiák tanulása az agyban
Statisztikai tanulás az idegrendszerben, 2019. Stratégiák tanulása az agyban Bányai Mihály banyai.mihaly@wigner.mta.hu http://golab.wigner.mta.hu/people/mihaly-banyai/ Kortárs MI thispersondoesnotexist.com
RészletesebbenAutomaták. bemenet: pénz, kiválasztó gombok stb. állapot: standby, pénz van behelyezve stb. kimenet: cola, sprite, visszajáró
12. előadás Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet új állapotba megy át kóla
RészletesebbenIntelligens beágyazott rendszer üvegházak irányításában
P5-T6: Algoritmustervezési környezet kidolgozása intelligens autonóm rendszerekhez Intelligens beágyazott rendszer üvegházak irányításában Eredics Péter, Dobrowiecki P. Tadeusz, BME-MIT 1 Üvegházak Az
RészletesebbenA Flowcytometriás. en. Sinkovichné Bak Erzsébet,
A Flowcytometriás keresztpróba jelentısége élıdonoros veseátültet ltetést megelızıen. en. Sinkovichné Bak Erzsébet, Schmidt Lászlóné Mikor végezhetv gezhetı el a veseátültet ltetés? Veseátültetés s akkor
RészletesebbenAdatbiztonság és adatvédelem
Adatbiztonság és s adatvédelem delem ADATBIZTONSÁG Az adatok jogosulatlan megszerzése, se, módosítása sa és s tönkrett nkretétele tele ellen tett olyan eljárások, szabályok, műszaki m és szervezési si
RészletesebbenMi az élő laboratórium? rium? Dr. Hronszky Imre CHIC kutatásvezet
Mi az élő laboratórium? rium? Dr. Hronszky Imre CHIC kutatásvezet svezető professzor emeritus BME 2011. február r 22. Energiahatékony épületek és s városrv rosrészek szek kialakítási módszerei és s technológi
RészletesebbenERLANG PROGRAMOK TRANSZFORMÁCI CIÓJA ERLANG
KLIENS-SZERVER SZERVER ALAPÚ ERLANG PROGRAMOK TRANSZFORMÁCI CIÓJA ERLANG OTP SÉMÁRAS Király Roland kiralyroland@inf.elte.hu Támogatók: - GVOP-3.2.2 3.2.2-2004-07-0005/3.00005/3.0 ELTE IKKK - Ericsson Hungary
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenMi a Selfness, és s mitől Selfness egy szolgáltat. Lélek. A kód k d neve:
Mi a Selfness, és s mitől Selfness egy szolgáltat ltatás? Alcím: Lélek A kód k d neve: Mi a Selfness? Tudatosságon alapuló,, fájdalmat f és károkozást nélkn lkülöző,, testi, lelki, gasztronómiai, pénzp
RészletesebbenIntelligens kommunális villamos fogyasztásmérés lehetőségének vizsgálata kutatás fejlesztés s keretében az E.ON Tiszántúli Áramszolgáltató Zrt-nél Dr. Dán András 1, Dr. Vajta László 2, Kálmán Viktor 2,
RészletesebbenFoglalkoztatási. és s Szociális Hivatal lat ltató Iroda
FIATALOK A KÖZÉLETBENK CIVIL ARÉNA AZ ÁLLAMPOLGÁRI RÉSZVR SZVÉTEL FEJÉR MEGYÉBEN C. MŰHELYKONFERENCIAM 2009.SZEPTEMBER 25. Foglalkoztatási és s Szociális Hivatal Mobilitás s Országos Ifjúsági Szolgálat
Részletesebbenalkalmazások az Intelligens otthon témában
Szenzor és s mobil hálózati h alkalmazások az Intelligens otthon témában Vajda LórántL Török k Attila Prof. Dr. Gordos Géza http://www.ikti.hu Kiindulópont Szolgáltat ltatás s orientált Dinamikusan bővíthetb
RészletesebbenA kompetencia alapú oktatás 2009.
A kompetencia alapú oktatás 2009. Kompetencia alapú okt. Hunyadi Stratégia Hunyadi János J KözoktatK zoktatási Intézm zmény Stratégi giájának ismertetése, se, prezentálása Az előzmények (1) Miért tudunk
RészletesebbenDunaújvárosi Főiskola Informatikai Intézet. Intelligens ágensek. Dr. Seebauer Márta. főiskolai tanár
Dunaújvárosi Főiskola Informatikai Intézet Intelligens ágensek Dr. Seebauer Márta főiskolai tanár seebauer.marta@szgti.bmf.hu Ágens Ágens (agent) bármi lehet, amit úgy tekinthetünk, hogy érzékelők (sensors)
Részletesebbenlegfontosabb adatvédelmi delmi és s direktmarketing
A webáruh ruházak működésével kapcsolatos legfontosabb adatvédelmi delmi és s direktmarketing kérdések 2014. március m 19. Alapfogalmak Az informáci ciós önrendelkezési jogról és s az informáci ciószabadságról
RészletesebbenLoRe-LCA. Low Resource Consumption Buildings & Constructions by Use of LCA Design & Decision Making. című projekt bemutatása
LoRe-LCA Low Resource Consumption Buildings & Constructions by Use of LCA Design & Decision Making című projekt bemutatása Dr. HAJPÁL L MónikaM Általános informáci ciók Low Resource Consumption Buildings
Részletesebbenmegoldásai a Trimble 5503 DR
Autópálya építés s kitűzésének speciális megoldásai a Trimble 5503 DR mérőállomás s segíts tségével Zeke Balázs Győző 2006 Magyarország úthálózata Autópálya 522 km Autóú óút t 130 km Csomóponti ágak 205
Részletesebbenés a Fenntartható Hegyi NóraN 2006.május 3.
A változv ltozás s segítése és a Fenntartható Fejlődés Hegyi NóraN 2006.május 3. Fenntartható Fejlődés Rendszergondolkodás és s FF Tanuló szervezetek és s a FF Alkotó párbeszéd és s dialógus a jövőj alakításának
RészletesebbenIntelligens ágensek. Mesterséges intelligencia február 28.
Intelligens ágensek Mesterséges intelligencia 2014. február 28. Ágens = cselekvő Bevezetés Érzékelői segítségével érzékeli a környezetet Beavatkozói/akciói segítségével megváltoztatja azt Érzékelési sorozat:
RészletesebbenÉrtelek, értelek... de miről beszélsz??
Biró Tamás Amszterdami Egyetem, ACLC Értelek, értelek... de miről beszélsz?? A keresztény-zsidó párbeszéd a kognitív vallástudomány perspektívájából Áttekintés: kihívások, perspektívák, válaszok Kihívások
RészletesebbenAz éghajlat el rejelz
AZ ÉGHAJLAT ELREJELZÉSÉNEK LEHETSÉGEI Az éghajlat elrejelz rejelzésének lehetségei HORÁNYI ANDRÁS S (horanyi.a@met.hu( horanyi.a@met.hu) Országos Meteorológiai Szolgálat lat Numerikus Modellez és Éghajlat-dinamikai
RészletesebbenÁgens technológiák. Starkné dr. Werner Ágnes Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék
Ágens technológiák Starkné dr. Werner Ágnes Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék Áttekintés Ágensek és multi-ágens rendszerek Definíciók Típusaik Környezeteik
RészletesebbenMesterséges intelligencia. Gregorics Tibor people.inf.elte.hu/gt/mi
people.inf.elte.hu/gt/mi Szakirodalom Könyvek Fekete István - - Nagy Sára: Bevezetés a mesterséges intelligenciába, LSI Kiadó, Budapest, 1990, 1999. ELTE-Eötvös Kiadó, Budapest, 2006. Russel, J. S., Norvig,
RészletesebbenMegerősítéses tanulás
Megerősítéses tanulás elméleti kognitív neurális Introduction Knowledge representation Probabilistic models Bayesian behaviour Approximate inference I (computer lab) Vision I Approximate inference II:
RészletesebbenAutonóm - és hagyományos közúti járművek alkotta közlekedési rendszerek összehasonlító elemzése
Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki és Járműmérnöki Kar Közlekedés- és Járműirányítási Tanszék Záróvizsga 2017.06.20. Autonóm - és hagyományos közúti járművek alkotta közlekedési
RészletesebbenÉPÜLETEK TŰZVÉDELME A TERVEZÉSTŐL A BEAVATKOZÁSIG TUDOMÁNYOS KONFERENCIA A BIM és a tűzvédelem The BIM and the fire protection
ÉPÜLETEK TŰZVÉDELME A TERVEZÉSTŐL A BEAVATKOZÁSIG TUDOMÁNYOS KONFERENCIA Budapest 2019. 04. 10. Nemzeti Közszolgálati Egyetem 1083 Budapest, Ludovika tér 2. Érces Gergő tű. őrnagy, egyetemi tanársegéd
RészletesebbenOsztott rendszer. Osztott rendszer informális definíciója
Osztott rendszer Osztott rendszer informális definíciója Egymástól elkülönülten létező program-komponensek egy halmaza. A komponensek egymástól függetlenül dolgoznak saját erőforrásukkal. A komponensek
Részletesebbenösszetevıi 2007. október 4.
A teljesítm tmény összetevıi 2007. október 4. Készítette: Farkas Katalin Szegedi Tudományegyetem Juhász Gyula Pedagógusk gusképzı Kar Sportteljesítm tmény fogalma: Az az összegezı és kiegyenlítési lehetıséget
RészletesebbenMegerősítéses tanulási módszerek és alkalmazásaik
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Megerősítéses tanulási módszerek és alkalmazásaik Tompa Tamás tanársegéd Általános Informatikai Intézeti Tanszék Miskolc, 2017. szeptember 15. Tartalom
RészletesebbenGyártórendszerek irányítási struktúrái
GyRDin-10 p. 1/2 Gyártórendszerek Dinamikája Gyártórendszerek irányítási struktúrái Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék e-mail: hangos@scl.sztaki.hu GyRDin-10 p. 2/2 Tartalom
RészletesebbenGépi tanulás és Mintafelismerés
Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20 2 1. fejezet Bevezet A mesterséges intelligencia azon módszereit,
Részletesebbengyakorlati készsk módszere
A Bázis-intézmény rendszer, mint a gyakorlati készsk szségfejlesztés módszere Általános VállalkozV llalkozási FőiskolaF Alkalmazott Magatartástudom studományi Tanszék 1996-2009 Bánfalvi Mária és Dr Szakács
RészletesebbenKomplex munkaerőpiaci integráci. ciós s programok magyarországi gi tapasztalatai. Kellermann Éva csadó 2006. január r 31.
Komplex munkaerőpiaci integráci ciós s programok magyarországi gi tapasztalatai Kellermann Éva tréner, pályp lyázati tanácsad csadó 2006. január r 31. Komplex munkaerőpiaci integráci ciós programok Kifejezetten
RészletesebbenLEADER Program: partnerségben
LEADER Program: partnerségben Kárpát-medencei TérsT rség Rajnai GáborG ECOVAST Egyesület Esztergom 2008.05.14. 1 LEADER Térségi programozás!? Links (Kapcsolat) between Actions for the Development of the
RészletesebbenAz egész. életen. pályázati projekt. julás
Az egész életen át t tartó tanulás fejlesztése se az intézm zmények közötti k nemzetközi zi együttm ttműködéssel TÁMOP-2.2.4. 2.2.4.-08/1-2009-00120012 pályázati projekt A projekt az Európai Unió támogatásával,
RészletesebbenAz Alapítv. azon belül l a legelesettebb emberek. kséges feltételrendszer. telrendszer
Az Alapítv tvány céljac A Segítő Kéz z Alapítv tvány 1999-ben alakult, így már r 11 éve dolgozik a szociális ellátásban azon belül l a legelesettebb emberek segítésében. Az Alapítv tvány időskor skorúak
RészletesebbenA HATÉKONY TANULÁS. Differenciális pedagógia. gia
A HATÉKONY TANULÁS Differenciális pedagógia gia A HATÉKONY TANULÁS S MÓDJAIM A feladatrendszeres oktatás, mely a gondolkodás rugalmas fejlesztésében mutatkozik hatékonynak. A kiscsoportos tanulás, mely
RészletesebbenA jövő Internetje. HTE Közgyűlés 2010. május 20. Dr. Szabó Róbert, e. docens. http://www.tmit.bme.hu
BME TMIT VIK A jövő Internetje HTE Közgyűlés 2010. május 20. Dr. Szabó Róbert, e. docens Budapesti Műszaki és Gazdaságtudományi Egyetem http://www.tmit.bme.hu Tartalom Hol vagyunk ma? Jövő Internet: fókusz
RészletesebbenA QMIM Quality Organizer szoftver bemutatása
Bemutatkozik az SQI A QMIM Quality Organizer szoftver bemutatása Bóka GáborG boka.gabor@sqi.hu A szoftver fejlesztése GVOP-TST-3.3.1-2004-04-0079/3 pályázat keretében történt, a "A szoftver minőségét fejlesztő
RészletesebbenGéntechnikák. Immunoassays. Ágnes
Géntechnikák Immunoassays Készítette: MészM száros Ágnes Biokémiai tesztek melyekben az antigén antitest kölcsönhatásait használj lják k fel Antigén: n: kis szerves molekula, nagy szerves makromolekula
RészletesebbenLogisztikai információs rendszerek 1.
Logisztikai információs rendszerek 1. 1 A logisztika fogalma A logisztika az anyagok - a forrásokt soktól l a végsv gső fogyasztókig terjedő - fizikai áramlásának szervezésével vel és irány nyításával
RészletesebbenÚj típusú döntési fa építés és annak alkalmazása többtényezős döntés területén
Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával
RészletesebbenTARTALOMJEGYZÉK. TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS A lágy számításról A könyv célkitűzése és felépítése...
TARTALOMJEGYZÉK TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS...1 1. A lágy számításról...2 2. A könyv célkitűzése és felépítése...6 AZ ÖSSZETEVŐ LÁGY RENDSZEREK...9 I. BEVEZETÉS...10 3. Az összetevő
RészletesebbenPROJEKTTERVEZÉS. Page 1. A program definíci. A projekt definíci. Olyan egymásra melynek minden eleme, 1Art. 2Art. 3Art 2009.02.16. 2009.02.16.
PROJEKTTERVEZÉS Art A program definíci ciója Olyan egymásra épülő projektekből álló tevékenys kenységi lánc, l melynek minden eleme, mérhető hozzáadott érékkel viszi közelebb k a szélesebb közössk sséget
RészletesebbenBevezető feldatok. Elágazás és összegzés tétele
Bevezető feldatok 1. Szövegértés és algoritmikus gondolkodás Kátai Zoltán https://people.inf.elte.hu/szlavi/infodidact15/manuscripts/kz.pdf Elágazás és összegzés tétele Táblázatkezelési feladatok Feladatok
RészletesebbenVersenyképess. Szolnok 2009 Károly
Versenyképess pesség és s képzk pzés Szolnok 2009 Salgó-Nemes Károly A FOGLALKOZTATÁS S SZERKEZETI VÁLTOZÁSAI I. (2007-2008 2008 harmadik negyedévek közötti k változv ltozás s alapján*) (forr( forrás:ksh)
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
RészletesebbenAz időskor skorú tanulás jellegzetességei gei dr. Striker SándorS 2012. május m 23. Újvárosháza Minőségi öregedés az élethosszig tartó tanulás segítségével - TÁMOP 4.2.1/B-09/1/KMR 2010-0003 Minden élettelen
RészletesebbenHU Egyesülve a sokféleségben HU A8-0005/4. Módosítás
8.2.2017 A8-0005/4 4 Jean-Luc Schaffhauser 1 bekezdés felszólítja a Bizottságot, hogy tegyen javaslatot a kiberfizikai rendszerek, az autonóm rendszerek, az intelligens autonóm robotok és alkategóriáik
RészletesebbenAz informatika alkalmazása a logopédiai gyakorlatban
Az informatika alkalmazása a logopédiai gyakorlatban Szabóné Vékony Andrea XXII. Kerületi Logopédiai Szakszolgálat lat avekony@freemail.hu Az informatika sokoldalú alkalmazási lehetőségei a logopédi diában
RészletesebbenTisztelt LátogatL. togatóink! koztatást adni iskolánk TÁMOP 2009-00110011 - 3.1.4. /08/2-2009. megye közoktatk. zményeiben.
Tisztelt LátogatL togatóink! Szeretnénk nk rövid r tájékoztatt koztatást adni iskolánk részvételérıl, l, feladatairól l a TÁMOP - 3.1.4. /08/2-2009 2009-00110011 A A kompetencia alapú oktatás s feltételeinek
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenTisztán kivehetı tendencia: kommunikációs hálózatok egyre bonyolultabbakká válnak Hálózat bonyolultsága
@ Budapest University of Technology and Economics Nagy hálózatok evolúciója Gulyás András, Heszberger Zalán High Speed Networks Laboratory Internet trendek Tisztán kivehetı tendencia: kommunikációs hálózatok
RészletesebbenPapp Zoltán. BMS Center Kft. 2013.05.23.
E-tanúsítás s 2013. január r 1-től 1 Változó jogszabályok Papp Zoltán épület energetikai tanúsító BMS Center Kft. 2013.05.23. Mi az energetikai tanúsítv tvány? és s mire használjuk ljuk Az energetikai
RészletesebbenDr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
RészletesebbenDr. Sz. Molnár Anna egyetemi docens ELTE PPK
A HEFOP 3. 5. 1. Korszerű felnőttképzési módszerek kidolgozása és alkalmazása elnevezésű, HEFOP-3.5.1-K-2004-10-0001/2.0 EMIR azonosító számú központi program keretében megvalósuló pedagógustovábbképzések
RészletesebbenBonyolult jelenség, aminek nincs jó modellje, sok empirikus adat, intelligens (ember)ágens képessége, hogy ilyen problémákkal mégis megbirkozzék.
Vizsga, 2015. dec. 22. B cs. B1. Hogyan jellemezhetők a tanulást igénylő feladatok? (vendégelőadás) Bonyolult jelenség, aminek nincs jó modellje, sok empirikus adat, intelligens (ember)ágens képessége,
RészletesebbenI. LABOR -Mesterséges neuron
I. LABOR -Mesterséges neuron A GYAKORLAT CÉLJA: A mesterséges neuron struktúrájának az ismertetése, neuronhálókkal kapcsolatos elemek, alapfogalmak bemutatása, aktivációs függvénytípusok szemléltetése,
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenLogisztikai módszerek
BME GTK Ipari menedzsment és Vállalkozásgazdasági Tanszék Menedzser program Logisztikai módszerek dr. Prezenszki József - dr. Tóth Lajos egyetemi docens egyetemi docens LOGISZTIKAI MÓDSZEREK 3. Raktározás,
RészletesebbenBevezetés a pszichológia néhány alapfogalmába
Bevezetés a pszichológia néhány alapfogalmába (Készítette: Osváth Katalin tanácsadó szakpszichológus) Országos Betegjogi, Ellátottjogi, Gyermekjogi és Dokumentációs Központ 2015. ÁPRILIS. 01. TÁMOP 5.5.7-08/1-2008-0001
RészletesebbenTŰZOLTÓGÉPJÁRMŰVEK VEZÉRLÉSE MÉLYKÚTI SÁNDOR
TŰZOLTÓGÉPJÁRMŰVEK VEZÉRLÉSE MÉLYKÚTI SÁNDORS 2010. KEZELÉS S KONTRA VEZÉRL RLÉS A KEZELÉS S JELLEMZŐI A kezelő személy egyenként nt hajtja végrev a kezelési műveleteket. A végrehajtott v művelet m visszacsatolását
RészletesebbenObjektumorientált paradigma és programfejlesztés Bevezető
Objektumorientált paradigma és programfejlesztés Bevezető Vámossy Zoltán vamossy.zoltan@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Ficsor Lajos (Miskolci Egyetem) prezentációja alapján
RészletesebbenAZ ÉRZELMI NEVELÉS. pedagógiai giai folyamatban. Herr Nikoletta Pszichopedagógus. gus rtő
AZ ÉRZELMI NEVELÉS helye és s lehetőségei a pedagógiai giai folyamatban Herr Nikoletta Pszichopedagógus gus Közoktatásai szakért rtő Mi lenne, ha.. Fontosnak tartjuk-e, hogy a ránk r bízott b gyermekek
Részletesebbenforrás csadó mesterszak
Az emberi erıforr forrás tanácsad csadó mesterszak helyzete és s kihívásai az NYME-AK AK-n Dr. Szretykó György Tanszékvezet kvezetı,, egyetemi docens 2010. február r 17. A mesterszak képzk pzıhelyei Pécsi
RészletesebbenNév KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán
Név KP Blokk neve KP Felelıs vizsgáztató Kombinatorikus módszerek és algoritmusok 5 MAT 10 Dr. Tuza Zsolt Diszkrét és folytonos dinamikai rendszerek matematikai alapjai 5 Matematika Dr. Hartung Ferenc
RészletesebbenMOTTÓ: ABBAN, AMIBEN JÓ, J ÉS SEGÍTENI ABBAN, AMIBEN TÁMOGATÁSRA SZORUL.
MOTTÓ: MEGERŐSÍTENI A TANULÓT ABBAN, AMIBEN JÓ, J ÉS SEGÍTENI ABBAN, AMIBEN TÁMOGATÁSRA SZORUL. Nevelőtest testületünk nk megfogalmazta jój hagyományokra épülő pedagógiai giai hitvallását Célunk: hitet,
RészletesebbenTartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9
... 3 Előszó... 9 I. Rész: Evolúciós számítások technikái, módszerei...11 1. Bevezetés... 13 1.1 Evolúciós számítások... 13 1.2 Evolúciós algoritmus alapfogalmak... 14 1.3 EC alkalmazásokról általában...
RészletesebbenTudásalapú információ integráció
Tudásalapú információ integráció (A Szemantikus Web megközelítés és a másik irány) Tanszéki értekezlet, 2008. május 14. 1 Miért van szükségünk ilyesmire? WWW: (Alkalmazások) Keresés a weben (pl. összehasonlítás
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenBetekintés a komplex hálózatok világába
Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex
RészletesebbenObjektumorientált paradigma és a programfejlesztés
Objektumorientált paradigma és a programfejlesztés Vámossy Zoltán vamossy.zoltan@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Ficsor Lajos (Miskolci Egyetem) prezentációja alapján Objektumorientált
RészletesebbenROBOTTECHNIKA ALKALMAZÁSOK, ROBOT FOGALMA. Dr. Pintér József
ROBOTTECHNIKA FEJLŐDÉST STÖRTÉNET, ALKALMAZÁSOK, ROBOT FOGALMA Dr. Pintér József Tananyag vázlatav IPARI ROBOTOK fejlődésének áttekintése A robot szó eredete, alkalmazási területek, a "kiábrándulás" és
RészletesebbenProgramozási technológia
Programozási technológia Dinamikus modell Tevékenységdiagram, Együttműködési diagram, Felhasználói esetek diagramja Dr. Szendrei Rudolf ELTE Informatikai Kar 2018. Tevékenység diagram A tevékenység (vagy
RészletesebbenTRANSZGÉNIKUS NIKUS. GM gyapot - KÍNA. GM szója - ARGENTÍNA
TRANSZGÉNIKUS NIKUS NÖVÉ GM gyapot - KÍNA GM szója - ARGENTÍNA TRANSZGÉNIKUS NIKUS NÖVÉN Élelmezési probléma: mg-i i termények, élelmiszer alapanyagok károsk rosításasa (rovar, gyom, baktérium, gomba,
RészletesebbenStruktúra nélküli adatszerkezetek
Struktúra nélküli adatszerkezetek Homogén adatszerkezetek (minden adatelem azonos típusú) osztályozása Struktúra nélküli (Nincs kapcsolat az adatelemek között.) Halmaz Multihalmaz Asszociatív 20:24 1 A
RészletesebbenHaszongépj. Németh. Huba. és s Fejlesztési Budapest. Kutatási. Knorr-Bremse. 2004. November 17. Knorr-Bremse 19.11.
Haszongépj pjármű fékrendszer intelligens vezérl rlése Németh Huba Knorr-Bremse Kutatási és s Fejlesztési si Központ, Budapest 2004. November 17. Knorr-Bremse 19.11.2004 Huba Németh 1 Tartalom Motiváció
RészletesebbenSpeciális útkereső algoritmusok. Kelemen Zsolt
Speciális útkereső algoritmusok Kelemen Zsolt Röviden Útkeresési algoritmusok: gráfos keresés gráf nélküli keresés ant search (hangya alapú keresés) Általában a mesterséges intelligencia egyik legrégebbi
RészletesebbenA privatizáci. ció modelljei
A privatizáci ció modelljei Közép-Kelet-Európában A privatizáci ció fogalma Privatizáci ció,, mint az állami beavatkozás csökkent kkentése önkorlátozó kormányz nyzás s eszköze ze Privatizáci ció,, mint
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
RészletesebbenA Jövő Internet kihívásai A jövő információs és kommunikációs technológiai MTA TRB és IB közös tudományos ülés november 17.
A Jövő Internet kihívásai A jövő információs és kommunikációs technológiai MTA TRB és IB közös tudományos ülés 2010. november 17. Dr. Szabó Róbert, e. docens Nagysebességű Hálózatok Laboratorium (HSNLab)
Részletesebbenrendszerek új j generáci
Napfény garázs, a gépesg pesített parkolási rendszerek új j generáci ciója Parkolási alternatívák n Hagyományos egyszintes parkolás amikor hely van b n Többszintes hagyományos mélygarm lygarázsok hely
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel - csak lokális információra alapozva Pataki Béla BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Lokálisan
RészletesebbenProblémamegoldás kereséssel. Mesterséges intelligencia március 7.
Problémamegoldás kereséssel Mesterséges intelligencia 2014. március 7. Bevezetés Problémamegoldó ágens Kívánt állapotba vezető cselekvéseket keres Probléma megfogalmazása Megoldás megfogalmazása Keresési
Részletesebbenzszolgálati lati Egyetem Rendészettudom szettudományi kar
Nemzeti KözszolgK zszolgálati lati Egyetem Rendészettudom szettudományi kar Nyíltnap 2013. január r 25. Alapképz pzési szakok a RTK-n nappali munkarend Bőnügyi igazgatási alapképz pzési szak bőnügyi hírszerzh
RészletesebbenA genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere
A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere Kaposvári Egyetem, Informatika Tanszék I. Kaposvári Gazdaságtudományi Konferencia
RészletesebbenLőre Vendel- Csigó Györbiró Alpár Üzleti szimulációk az oktatásban
Lőre Vendel- Csigó Györbiró Alpár Üzleti szimulációk az oktatásban A tudásgyárak technológiaváltása és humánstratégiája a felsőoktatás kihívásai a XXI. században Tartalom Üzleti szimulációkról dióhéjban
RészletesebbenEuropai Közösség, 2007 A forrás megjelölésével szabadon sokszorosítható.
A flexicurity közös k s alapelvei felé: több és s jobb munkahelyet rugalmasság és s biztonság révén Europai Közösség, 2007 A forrás megjelölésével szabadon sokszorosítható. A munkaerőpiac jellemzői Gyors
Részletesebbenciós rendszerek Kormányzati informáci PhD hallgató
Kormányzati informáci ciós rendszerek a gazdák számára és a termelők IT felkész szültsége Készítette:Cseh András PhD hallgató Előad adás s vázlatv Az e-közigazgate zigazgatás s rövid r bemutatása Kormányzati
Részletesebbentelepülés Regisztrált szervezet 31,9% közszféra 37,3% civil szervezet 30,8% vállalkozó Lakosságszám: 44.000 fı
60 település 185 Regisztrált szervezet A lehatárolt térst rség 31,9% közszféra 37,3% civil szervezet 30,8% vállalkozó Lakosságszám: 44.000 fı Stratégiai vázlatv Balaton-felvid felvidéki Akciócsoport csoport
Részletesebbenpzés s szerepe a FOKON KONFERENCIA BIHALL TAMÁS Magyar Kereskedelmi és s Iparkamara OKTATÁSI MAGYAR KERESKEDELMI ÉS S IPARKAMARA
A duális képzk pzés s szerepe a gazdaság g versenyképess pességének növelésében VÁLLALATIRÁNYÍTÁS S FELSŐFOKON FOKON KONFERENCIA BIHALL TAMÁS OKTATÁSI ÉS S KÉPZK PZÉSI ALELNÖK MAGYAR KERESKEDELMI ÉS S
RészletesebbenA KOMPLEX ALAPPROGRAM BEVEZETÉSE A KÖZNEVELÉSI INTÉZMÉNYEKBEN EFOP
A KOMPLEX ALAPPROGRAM BEVEZETÉSE A KÖZNEVELÉSI INTÉZMÉNYEKBEN EFOP-3.1.2-16-2016-00001 A KOMPLEX ALAPPROGRAM SZAKMAI TARTALMA DR. RÉVÉSZ LÁSZLÓ A PROJEKT EFOP 3.1.2-16 Kiemelt projekt keretében Időtartam:
Részletesebben