Меко рачунарство Шифра: 130317 | 6 ЕСПБ
Опште информације
Ниво студија:
Година студија:
2
Семестар/Триместар:
4
Услов:
Циљ:
Упознавање студената са основним концептима меког рачунарства и делимично, машинског учења.
Исход:
Студенти ће бити оспособљени за употребу концепата меког рачунарства и појединих алгоритама машинског учења при пројектовању софтверских производа и решења која се делимично заснивају на тим концептима.
Садржај предмета
Теоријска настава:
- Основни појмови математичке логике, вештачке интелигенције и меког рачунарства.
- Fuzzy логика. Расплинуте релације, логика и методе закључивања.
- Вештачке неуронске мреже. Неурон, активациона функција, архитектуре мрежа.
- Обучавање, унакрсна валидација и проблем пренаучености.
- Дубоко обучавање система за одлучивање.
- Методе вектора ослонца.
- Теорија аномалија и методе откривања аномалија.
- Еволуционарно рачунарство.
- Генетски алгорими.
- Природом инспирисане мета-хеуристике и проблеми оптимизације.
- Вештачки имуни системи.
- Пробабилистичко рачунарство. Теорија вероватноће, игара и одличивања. Бајесовске мреже.
- Теорија хаоса. Детерминистички хаос, синхронизација хаотичних система, класични модели хаотичних комуникација.
- Груби скупови.
- Примена меког рачунарства.
Практична настава:
- Увежбавање представљених концепата, метода и техника кроз примере.
Литература
- М. Милосављевић, "Вештачка интелигенција", Универзитет Сингидунум, 2015.
- В. Мишковиц, "Системи за подршку одлучивању", Универзитет Сингидунум, 2013.
- E. Volna, "Introduction to Soft Computing", Bookbon & Eva Volna, 2013.
- D. K. Pratihar, "Soft computing: fundamentals and applications", Alpha Science International, Ltd., 2013.
- G. Tettamanzi, M. Tomassini, "Soft computing: integrating evolutionary, neural, and fuzzy systems", Springer Science & Business Media, 2013.
- V. Chandola, A. Banerjee, V. Kumar, "Anomaly detection: A survey", ACM computing surveys, 2009.
Број часова активне наставе (недељно)
Предавања:
3
Вежбе:
2
Други облици наставе:
0
Оцена знања (максималан број поена 100)
Предиспитне обавезе
Поени
активности у току предавања
0
активности на лабораторијским вежбама
20
семинарски рад
0
колоквијум
40
Завршни испит
Поени
Писмени испит
40
Усмени испит
0