Óbudai Egyetem - Keleti Károly Gazdasági Kar
Intézet: Vállalkozásmenedzsment Intézet (1084 Budapest, Tavaszmezõ u. 15-17.) Kreditérték: 2
Tagozat: Nappali Nyelv: magyar Félév: 2011/12/1
 
Szakok: Műszaki menedzser BSc alapszak;
 
Tantárgyfelelős oktató: Dr. habil. Szeghegyi Ágnes Oktatók: Dr. habil. Szeghegyi Ágnes;
Heti/Féléves óraszámok: Heti Előadás: 2 Tantermi gyakorlat: 0 Labor: 0 Konzultáció: 0
 
Félévzárás módja (követelmény): félévközi jegy
 
Oktatási cél: Napjaink realitása a humán gondolkodási tevékenység részleges illetve teljes automatizálása. A komplex problémákhoz szükséges vezetõi döntések meghozatalának nélkülözhetetlen eszközei a számítógépes döntéstámogató rendszerek, azaz a bizonytalanságok kezelésére is alkalmas, tudásalapú technológia elvén mûködõ tudásbázisú/szakértõ rendszerek. A tudásbázisú rendszerek tudás- és adatjellegû információkat tárolnak. Ezek reprezentálhatják valamilyen fizikai vagy egyéb rendszer modelljét, többek között irányításának, szabályozásának módját. Az ilyen rendszerek leginkább a hagyományos kétértékû logika alapján felépítettek. Ez a logikai felépítés nem alkalmas a fennálló bizonytalanságok, ellentmondások, az ismerethiány miatt keletkezõ problémák rugalmas, hathatós kezelésére. A tudásbázisú/szakértõ rendszerekben a „crisp” jellegû információtárolás alternatív módját kínálják a lágy számítási eljárások (soft computing). Alkalmasak továbbá a bizonytalanságokkal terhelt, sokszor csak emberi nyelven kifejezett ismeretek matematikailag történõ reprezentálására és kezelésére, illetve további finomítására.
 
Oktatási hét
(konzultáció)
Témakör
1. Vezetési folyamat háromfázisú modellje.
2. Számítógép szerepe a döntéshozatalban. Az adatfeldolgozó rendszerek, vezetési információs rendszerek, döntéstámogató rendszerek jellemzõi.
3. Tudásalapú technológia és a hagyományos program összehasonlítása
Tudásalapú / szakértõ rendszerek elméleti alapjai, MI-n belül elfoglalt helye.
A szakértõ szintû tudás és tudásreprezentáció.
4. Szakértõ rendszerek általános architektúrája és fõbb funkciói.
Szakértõ rendszerek klasszikus alkalmazási példái
5. Bizonytalanság fogalma, eredete, formalizálása.
Bizonytalanságkezelés módszereinek osztályozása.
6. Heurisztrikus modellek. Szimbólikus, nem numerikus modellek.
7. Numerikus modellek I. (Bayes módszer, Dempster-Shafer módszer)
8. Numerikus modellek II. (Fuzzy modell, fuzzy logika )
Fuzzy halmazok alkalmazása tudásbázisú rendszerekben (bizonytalanság modellezése)
Fuzzy lekérdezések és következtetések új megközelítése.
9. Hagyományos irányítási rendszerek, fuzzy szakértõ rendszerek.
10. DOCTUS tudásbázisú rendszer bemutatása Következtetés szabályok alapján, tapasztalat alapján. Felhasználói felület.
11. DOCTUS rendszer segítségével tudásrendezési funkciók megvalósítása, szabályalapú következtetés bemutatása.
12. DOCTUS rendszeren keresztül esetalapú következtetés bemutatása. (esettanulmányok)
13. Zárthelyi dolgozat vagy önállóan megoldott feladat prezentációja deduktív és induktív módszerrel.
14. Elmaradások pótlása (Pótzh. Ill. feladat)
 
Az értékelés, a lebonyolítás,
a pótlás módja,
a jegy kialakításának szempontjai:
A zárthelyi dolgozat vagy az önállóan megoldott feladat eredménye. Félévközi jegy pótlása TVSZ szerint.
A félévzárás módja
(írásbeli, szóbeli, teszt, stb.):
ld! elõbb!
 
Kötelező irodalom: Szeghegyi-Velencei: Üzleti döntéshozásra alkalmas tudásalapú döntéstámogató rendszerek
Ragget – Bains: Mesterséges intelligencia A – Z
Ajánlott irodalom: Kelemen – Nagy: Bevezetés a mesterséges intelligencia elméleteibe
Sántáné Tóth Edit: Tudásalapú technológia, szakértõ rendszerek.
Kóczy – Tikk: Fuzzy rendszerek
Róbert Fuller: Introduction to Neuro-Fuzzy Systems
Starkné Wener Ágnes: Mesterséges intelligencia-szakértõ rendszerek
Leigh-Doherty: Decision Support and Expert Systems
A tárgy minőségbiztosítási
módszerei:
Minõségirányítási kézikönyv 8.1-8.5. szerint