Навигација

13М031АДО - Алгоритми за динамичку оптимизацију

Спецификација предмета
НазивАлгоритми за динамичку оптимизацију
Акроним13М031АДО
Студијски програмЕлектротехника и рачунарство
Модулмодул Системско инжењерство и радио комуникације
Тип студијамастер академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
    Наставник/сарадник (ДОН)
      Број ЕСПБ6.0Статус предметаизборни
      Условљност другим предметима-
      Циљеви изучавања предметаСврха курса је упознавање са основним алгоритмима за динамичку оптимизацију и њиховом применом у теорији информација и телекомуникацијама, као и у другим сродним областима где се изложени алгоритми користе, попут машинског учења или биоинформатике.
      Исходи учења (стечена знања)Након курса, студенти постају упознати са основним темама везаним за статистичко одлучивање применом итеративних агоритама за динамичку оптимизацију. Студенти ће бити оспособљени за имплементацију изложених графичких модела и алгоритама, као и за њихову примену у решавању проблема преноса и обраде информација.
      Садржај предмета
      Садржај теоријске наставеМоделовање и декомпозиција инжењерских оптимизационих проблема фактор гафовима. Примена коначних аутомата и Бајесових мрежа у теорији информација. Итеративно учење на графовима. Алгоритам пропагације веродостојности и његова примена при итеративном декодовању. Витербијев и Баум-Велшов алгоритам и њихова примена при турбо декодовању и еквализацији канала. Алгоритми градијентне оптимизације.
      Садржај практичне наставеВежбе на рачунарима уз демонстрације итеративних алгоритама за динамичку оптимизацију. Решавање практичних оптимизационих проблема из теорије информација и сродних области инжењерства. Домаћи задаци из обрађиваних тема.
      Литература
      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
      Број часова активне наставе недељно током семестра/триместра/године
      ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
      22
      Методе извођења наставеПредавања и аудиторне вежбе. Домаћи задаци у форми писања есеја, пројеката и рачунских задатака.
      Оцена знања (максимални број поена 100)
      Предиспитне обавезеПоенаЗавршни испитПоена
      Активности у току предавања0Писмени испит60
      Практична настава40Усмени испит0
      Пројекти0
      Колоквијуми0
      Семинари0