Navigacija

13M031ADO - Algoritmi za dinamičku optimizaciju

Specifikacija predmeta
Naziv Algoritmi za dinamičku optimizaciju
Akronim 13M031ADO
Studijski program Elektrotehnika i računarstvo
Modul modul Sistemsko inženjerstvo i radio komunikacije
Tip studija master akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
    Nastavnik/saradnik (DON)
      Broj ESPB 6.0 Status predmeta izborni
      Uslovljnost drugim predmetima -
      Ciljevi izučavanja predmeta Svrha kursa je upoznavanje sa osnovnim algoritmima za dinamičku optimizaciju i njihovom primenom u teoriji informacija i telekomunikacijama, kao i u drugim srodnim oblastima gde se izloženi algoritmi koriste, poput mašinskog učenja ili bioinformatike.
      Ishodi učenja (stečena znanja) Nakon kursa, studenti postaju upoznati sa osnovnim temama vezanim za statističko odlučivanje primenom iterativnih agoritama za dinamičku optimizaciju. Studenti će biti osposobljeni za implementaciju izloženih grafičkih modela i algoritama, kao i za njihovu primenu u rešavanju problema prenosa i obrade informacija.
      Sadržaj predmeta
      Sadržaj teorijske nastave Modelovanje i dekompozicija inženjerskih optimizacionih problema faktor gafovima. Primena konačnih automata i Bajesovih mreža u teoriji informacija. Iterativno učenje na grafovima. Algoritam propagacije verodostojnosti i njegova primena pri iterativnom dekodovanju. Viterbijev i Baum-Velšov algoritam i njihova primena pri turbo dekodovanju i ekvalizaciji kanala. Algoritmi gradijentne optimizacije.
      Sadržaj praktične nastave Vežbe na računarima uz demonstracije iterativnih algoritama za dinamičku optimizaciju. Rešavanje praktičnih optimizacionih problema iz teorije informacija i srodnih oblasti inženjerstva. Domaći zadaci iz obrađivanih tema.
      Literatura
      1. D. J.C. MecKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003
      2. T. Richardson, R. Urbanke, Modern Coding Theory, Cambridge University Press, 2009
      3. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009
      4. D. Drajić, P. Ivaniš, Uvod u teoriju informacija i kodovanje, IV izdanje, Akademska misao, Beograd, 2018.
      5. P. Ivanis, D. Drajic, Information Theory and Coding - Solved Problems, Springer, New York, 2017
      Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
      Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
      2 2
      Metode izvođenja nastave Predavanja i auditorne vežbe. Domaći zadaci u formi pisanja eseja, projekata i računskih zadataka.
      Ocena znanja (maksimalni broj poena 100)
      Predispitne obaveze Poena Završni ispit Poena
      Aktivnosti u toku predavanja 0 Pismeni ispit 60
      Praktična nastava 40 Usmeni ispit 0
      Projekti 0
      Kolokvijumi 0
      Seminari 0