BMETE95AM38

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Gépi tanulás sztochasztikus folyamatokra
A tárgy angol címe: 
Machine Learning for Stochastic Processes
2
0
0
v
Kredit: 
3
Ajánlott/Kötelező előtanulmányi rend
1.Követelménytárgy kódja: 
BMETE95AM26
1.Követelménytárgy (rövidített) címe: 
Sztoch. folyam.
1.Köv.tárgyat kiváltó 1.tárgy kódja: 
BMETE95AM34
1.Köv.tárgyat kiváltó 1.tárgy (rövidített) címe: 
Sztoch. folyam.
A tantárgy felelős tanszéke: 
Sztochasztika Tanszék
A tantárgy felelős oktatója: 
Dr. Morvai Gusztáv
A tantárgy felelős oktatójának beosztása: 
tudományos főmunkatárs
Akkreditációs adatok
Akkreditációs bizottság döntési időpontja: 
2016.01.25
Tematika
A tantárgy az alábbi témakörök ismeretére épít: 
valószínűségszámítás, sztochasztikus folyamatok
A tantárgy szerepe a képzés céljának megvalósításában: 
Matematikus BSc és Alkalmazott matematikus MSc szabadon választható tárgya
A tantárgy részletes tematikája magyarul és angolul: 

⁠⁠⁠⁠Az elmúlt tízenöt év óriási fejlődést hozott a szekvenciális becslések, előrejelzések és tesztek megértésében, amikor a folyamat eloszlását nem ismerjük viszont a folyamat egyre hosszabb megfigyelése áll rendelkezésünkre. A kurzus a modern matematika rendkívül aktív területére kíván bepillantást nyújtani a legmodernebb XXI. századi eredményeken keresztül.
-Markov láncok rendjének becslése , memóriaszavak definíciója, memóriaszavak univerzális tesztje, a kontextus-fa becslése. Korlátozó eredmények: mit nem lehet elérni.
-A feltételes várhatóérték, valószínűség szekvenciális becslése.
-Időszakos becslések, példák, a felújítási folyamat, a felújítási időig még hátralévő idő becslése. Korlátozó eredmények.
-Szekvenciális becslés és előrejelzés mely erősen konzisztens Cesaro átlagban, szakértők kombinálásának módszere, korlátozó eredmények.

-Order estimation for Markov chains , definition of the memory word, universal tests for memory words, estimation of the context tree, limitations.
- Sequential estimation of the conditional expectations and probabilities.
-Intermittent estimations, examples, renewal processes, estimating the residual waiting time for renewal processes.Limitations.
- Sequential estimation and prediction consistent in Cesaro average in pointwise sense, expert advice methods.Limitations.

Követelmények vizsgaidőszakban: 
szóbeli vizsga
Pótlási lehetőségek: 
pótvizsga
Konzultációs lehetőségek: 
megbeszélés alapján
Jegyzet, tankönyv, felhasználható irodalom: 
Morvai et.al.:Universal Tests for Memory Words. IEEE Trans. Information Theory. Volume:59 pp. 6873 - 6879, 2013
Morvai et. al. : On sequential estimation and prediction for discrete time series. Stoch. Dynamics, pp. 417-437, 2007
Morvai: Sequential Schemes for Classifying, Predicting and Estimating Ergodic Processes, in preparation
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
28
Felkészülés zárthelyire: 
0
Zárthelyik megírása: 
0
Házi feladat elkészítése: 
0
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
34
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Dr. Morvai Gusztáv
Beosztás: 
tudományos főmunkatárs
Munkahely (tanszék, kutatóintézet, stb.): 
MTASztochasztika Kutatócsoport
A tanszékvezető neve: 
Dr Sándor Csaba
A tantárgy adatlapja PDF-ben: