„Hírközléselmélet” változatai közötti eltérés

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez
1. sor: 1. sor:
{{GlobalTemplate|Villanyszak|MSCHirkozelm}}
+
{{Tantárgy
 
+
| név = Hírközléselmélet
 +
| tárgykód = VIHVM107
 +
| szak = villany MSc
 +
| kredit = 4
 +
| félév = 1
 +
| kereszt =
 +
| tanszék = SZHVT
 +
| jelenlét =
 +
| minmunka =
 +
| labor =
 +
| kiszh =
 +
| nagyzh = 4 db
 +
| hf =
 +
| vizsga = nincs
 +
| levlista =
 +
| tad = https://www.vik.bme.hu/kepzes/targyak/VIHVM107/
 +
| tárgyhonlap = https://hvt.bme.hu/index.php?option=com_content&view=article&id=479%3Ahirkoezleselmelet-vihvm107&catid=11%3Amsc-kepzes&Itemid=18%E2%8C%A9%3Dhu&lang=hu
 +
}}
  
 
==Követelmények==
 
==Követelmények==
 
 
A tárgyból 4 ZH van, ezek átlagából alakul ki a jegy. Nem kell mindegyiknek meglennie, de a meg nem írt ZH, illetve a 0 és 4 pont közötti nullás eredménynek számít.
 
A tárgyból 4 ZH van, ezek átlagából alakul ki a jegy. Nem kell mindegyiknek meglennie, de a meg nem írt ZH, illetve a 0 és 4 pont közötti nullás eredménynek számít.
  
11. sor: 27. sor:
  
 
==Vélemények==
 
==Vélemények==
 
 
A tárgy a régebbi számonkéréssel ellentétben - ahol elég nehéz volt a ZH - nagyon korrekt lett. Jegyzet ugyan nincsen de az előadások nagyon korrektek, és csak az ott elhangzott anyagot kérdezik vissza levezetések nélkül. (ráadásul az első 3 ZH-ra a fent lévő pdf-ből is fel lehet készülni)
 
A tárgy a régebbi számonkéréssel ellentétben - ahol elég nehéz volt a ZH - nagyon korrekt lett. Jegyzet ugyan nincsen de az előadások nagyon korrektek, és csak az ott elhangzott anyagot kérdezik vissza levezetések nélkül. (ráadásul az első 3 ZH-ra a fent lévő pdf-ből is fel lehet készülni)
  
20. sor: 35. sor:
  
 
==Segédanyagok==
 
==Segédanyagok==
 +
*Régebbi diasorok elérhetők [http://docs.mht.bme.hu/~frigyes/hirkelm/ itt]
 +
*HIT-es (RÉGI) diasorok elérhetők [http://www.hit.bme.hu/~dallos/hirkelm/ itt]
 +
*[[Média:Hirkelm_jegyzet_veszprem.pdf | Veszprémi Egyetem - Információelmélet]]
 +
*[[Média:Hirkelm_jegyzet_szechenyi.pdf | Széchenyi Egyetem - Információelmélet]]
 +
*[[Média:Hirkelm_jegyzet_2012.pdf‎ | Hírközléselmélet első 3. Zh anyaga 2012]]
 +
*[[Média:Hirkelm_jegyzet_2012_0102.pdf‎ | Hírközléselmélet 2012-es tavaszi jegyzet 1.-2. előadás]]
 +
*[[Média:Hirkelm_jegyzet_2012_0304.pdf‎ | Hírközléselmélet 2012-es tavaszi jegyzet 3.-4. előadás]]
 +
*[[Média:Hirkelm_jegyzet_2012_05.pdf‎ | Hírközléselmélet 2012-es tavaszi jegyzet 5. előadás]]
  
 
 
* {{InLineFileLink|Villanyszak|MSCHirkozelm|HEMain.pdf|HEMain.pdf}}: Hírközléselmélet első 3. Zh anyaga 2012
 
 
* Régebbi diasorok elérhetők [http://docs.mht.bme.hu/~frigyes/hirkelm/ itt]
 
 
* HIT-es (RÉGI) diasorok elérhetők [http://www.hit.bme.hu/~dallos/hirkelm/ itt]
 
 
* [https://wiki.sch.bme.hu/pub/Villanyszak/MSCHirkozelm/infojegyzet.pdf Veszprémi egyetem - Információelmélet]
 
 
* [https://wiki.sch.bme.hu/pub/Villanyszak/MSCHirkozelm/Informacioelmelet.pdf Széchenyi Egyetem - Információelmélet]
 
 
* [https://wiki.sch.bme.hu/pub/Villanyszak/MSCHirkozelm/Hirkelm_2012_1-4.rar 2012-es tavaszi jegyzet 1-4 előadás]
 
 
* [https://wiki.sch.bme.hu/pub/Villanyszak/MSCHirkozelm/Hirkelm_2012_5.rar 2012-es tavaszi jegyzet 5. előadás]
 
 
 
 
----
 
 
==2011/2012==
 
==2011/2012==
 
Mindegyiket csak emlékezetből írtam, így előfordulhat, hogy valami nem teljes.
 
Mindegyiket csak emlékezetből írtam, így előfordulhat, hogy valami nem teljes.
 
===1. ZH===
 
===1. ZH===
* tesztkérdések: kb entópiával, információval, sztochasztikus folyamatokkal stb kapcsolatos kérdések
+
* tesztkérdések: kb entrópiával, információval, sztochasztikus folyamatokkal stb kapcsolatos kérdések
 
* számolás: adott két diszkrét eloszlás. Átlagos kódszóhossz, relatív entrópia + kérdés: mennyivel csökken az átlagos szóhossz, ha az egyik eloszlását a másikéval becsüljük.
 
* számolás: adott két diszkrét eloszlás. Átlagos kódszóhossz, relatív entrópia + kérdés: mennyivel csökken az átlagos szóhossz, ha az egyik eloszlását a másikéval becsüljük.
  
p(x<sub>1</sub>) = 1/2 , p(x<sub>2</sub>) = 1/4 , p(x<sub>3</sub>) = 1/8 , p(x<sub>4</sub>) = 1/8  
+
p(x<sub>1</sub>) = 1/2 , p(x<sub>2</sub>) = 1/4 , p(x<sub>3</sub>) = 1/8 , p(x<sub>4</sub>) = 1/8
  
p(y<sub>1</sub>) = 1/4 , p(y<sub>2</sub>) = 1/2 , p(y<sub>3</sub>) = 1/8 , p(y<sub>4</sub>) = 1/8  
+
p(y<sub>1</sub>) = 1/4 , p(y<sub>2</sub>) = 1/2 , p(y<sub>3</sub>) = 1/8 , p(y<sub>4</sub>) = 1/8
  
* kifejtős: '''csatornakapacitás és csatornakódolás (hibajavító)''' ,,mindent, amit eddig tanultunk''. BSC, AWGN, feltételes entrópiával is, Shannon II., kódolás célja, módszere
+
* kifejtős: '''csatornakapacitás és csatornakódolás (hibajavító)''' "mindent, amit eddig tanultunk" BSC, AWGN, feltételes entrópiával is, Shannon II., kódolás célja, módszere
  
 
===2. ZH===
 
===2. ZH===
66. sor: 70. sor:
 
* tétel: dimenziótétel, sávszélesség (elméleti és gyakorlati)
 
* tétel: dimenziótétel, sávszélesség (elméleti és gyakorlati)
 
* feladat: likelihood, Bayes számítás. Annak bizonyítása, hogy a becslés torzítatlan. Ha ML becslés helyett MS-t használunk akkor milyen adat kellene még, és azt hogy számolnánk ki? Adott volt egy exponenciális eloszlás.
 
* feladat: likelihood, Bayes számítás. Annak bizonyítása, hogy a becslés torzítatlan. Ha ML becslés helyett MS-t használunk akkor milyen adat kellene még, és azt hogy számolnánk ki? Adott volt egy exponenciális eloszlás.
----
 
==Vizsgák==
 
 
* [https://wiki.sch.bme.hu/pub/Villanyszak/HirkElm/hirkelm.060612.zip 2006-os HIT-es vizsga]
 
 
-- [[DormanP]] - 2009.09.16.
 
 
-- [[MolnarGabika|GAbika]]
 
 
 
 
  
 +
==Régi vizsgák==
 +
*[[Média:Hirkelm_vizsga_20060612.JPG| 2006-os HIT-es vizsga]]
  
 
[[Category:Villanyszak]]
 
[[Category:Villanyszak]]

A lap 2013. július 14., 13:42-kori változata

Hírközléselmélet
Tárgykód
VIHVM107
Általános infók
Szak
villany MSc
Kredit
4
Ajánlott félév
1
Tanszék
SZHVT
Követelmények
NagyZH
4 db
Vizsga
nincs
Elérhetőségek


Követelmények

A tárgyból 4 ZH van, ezek átlagából alakul ki a jegy. Nem kell mindegyiknek meglennie, de a meg nem írt ZH, illetve a 0 és 4 pont közötti nullás eredménynek számít.

Emlékeim szerint két ZH pótolható, mindkettőt a teljes anyagból kell írni.

A tárgyat Dr. Bitó János és Dr. Frigyes István tartja.

Vélemények

A tárgy a régebbi számonkéréssel ellentétben - ahol elég nehéz volt a ZH - nagyon korrekt lett. Jegyzet ugyan nincsen de az előadások nagyon korrektek, és csak az ott elhangzott anyagot kérdezik vissza levezetések nélkül. (ráadásul az első 3 ZH-ra a fent lévő pdf-ből is fel lehet készülni)

ZH-k felépítése:

  • nagyfeladat (szinte mindig nyilvánvaló mi lesz) 5 pont
  • kiskérdések (6-8 definíciót kell leírni képlet vagy max 2 mondat formájában) 5 pont
  • feleletválasztós kédések (több is jó, minden jó válasz kell a ponthoz) 10*0.5 pont

Segédanyagok

2011/2012

Mindegyiket csak emlékezetből írtam, így előfordulhat, hogy valami nem teljes.

1. ZH

  • tesztkérdések: kb entrópiával, információval, sztochasztikus folyamatokkal stb kapcsolatos kérdések
  • számolás: adott két diszkrét eloszlás. Átlagos kódszóhossz, relatív entrópia + kérdés: mennyivel csökken az átlagos szóhossz, ha az egyik eloszlását a másikéval becsüljük.

p(x1) = 1/2 , p(x2) = 1/4 , p(x3) = 1/8 , p(x4) = 1/8

p(y1) = 1/4 , p(y2) = 1/2 , p(y3) = 1/8 , p(y4) = 1/8

  • kifejtős: csatornakapacitás és csatornakódolás (hibajavító) "mindent, amit eddig tanultunk" BSC, AWGN, feltételes entrópiával is, Shannon II., kódolás célja, módszere

2. ZH

  • lineáris és Hamming kód tulajdonságai
  • Hamming kód és kódhatékonyság számítása
  • Hamming korlát, Singleton korlát, perfekt kódm Hamming távolság
  • Huffman kódolás, kódhatékonyság számítás, forráskiterjesztés hatása a kódhatékonyságra

3. ZH

  • csatorna jellemzése (blokkvázlat), optimális vevő felépítése
  • paritásmátrix, generátormátrix előállítása, beérkező kódszó legvalószínűbb értékének detektálása, ellenőrzés. Adott,hogy a kódszó eleje, vagy vége tartalmazza az üzenetet, így definiálja, hogy a paritásmátrix, végén vagy elején van az identitásmátrix.

4. ZH

  • tesztnél: adott esetekben milyen modulációt használnánk
  • tétel: dimenziótétel, sávszélesség (elméleti és gyakorlati)
  • feladat: likelihood, Bayes számítás. Annak bizonyítása, hogy a becslés torzítatlan. Ha ML becslés helyett MS-t használunk akkor milyen adat kellene még, és azt hogy számolnánk ki? Adott volt egy exponenciális eloszlás.

Régi vizsgák