Навигација

13С053НМ - Неуралне мреже

Спецификација предмета
НазивНеуралне мреже
Акроним13С053НМ
Студијски програмСофтверско инжењерство
Модул
Тип студијаосновне академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
Број ЕСПБ6.0Статус предметаизборни
Условљност другим предметиманема
Циљеви изучавања предметаУпознавање студената са основним концептима неуралних мрежа, различитим архитектурама, способностима учења неуралних мрежа итд. Оспособљавање студената да самостално пројектују неуралне мреже за инжењерске апликације, дигиталну обраду сигнала, телекомуникације итд.
Исходи учења (стечена знања)Студенти ће бити способни да самостално анализирају и синтетизују различите типове неуралних мрежа које се примењују у многим областима инжењерства. Такође ће научити да примењују различите алгоритме за учење и обучавање неуралних мрежа и имплементацију истих коришћењем програмског пакета Матлаб.
Садржај предмета
Садржај теоријске наставеПреглед историје неуралних мрежа, архитектура и типови проблема: апроксимација функција, класификација, груписање података, временске серије и моделовање динамичких система. Обучавање, генералнизација и иницијализација неуралних мрежа. Класификација и кластеризација са неуралним мрежама. Динамичке неуралне мреже. Дубоке неуралне мреже. Конволуционе неуралне мреже.
Садржај практичне наставеВежбе на рачунарима уз демонстрације алгоритама за обучавање и дизајн неуралних мрежа. Решавање практичних проблема из различитих области инжењерства уз помоћ неуралним мрежа коришћењем програмског језика Пајтон.
Литература
  1. Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Chin-Teng Lin, C. S. George Lee, Prentice Hall, 1996
  2. Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, The MIT Press, 2017
  3. Grokking Deep Learning, Andrew Trask, Manning, 2019
  4. M. Nielson, Neural Networks and Deep Learning, Determination press, 2015
  5. Deep Learning with Python, 2nd Edition, Francois Chollet, Manning, 2021
Број часова активне наставе недељно током семестра/триместра/године
ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
221
Методе извођења наставеПредавања, вежбе на рачунарима
Оцена знања (максимални број поена 100)
Предиспитне обавезеПоенаЗавршни испитПоена
Активности у току предавања0Писмени испит30
Практична настава0Усмени испит0
Пројекти30
Колоквијуми40
Семинари0