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 и fuzzy логичких система. Представљање различитих архитектура, метода пројектовања, подешавања и имплементације.
Исходи учења (стечена знања)Студенти ће бити способни да самостално анализирају и синтетизују различите типове неуралних мрежа и fuzzy логичких система за различите инжењерске апликације, укључујући обраду сигнала, пројектовање управљања, класификацију, регресију, екстракцију знања. Такође ће научити да развијају и имплементирају такве системе користећи савремена програмска окружења (Matlab и Python).
Садржај предмета
Садржај теоријске наставеРазвој неуралних мрежа, архитектура и проблеми. Апроксимација функција, груписање података, временске серије и моделирање динамичких система. Backpropagation, генерализација, претренирање и иницијализација. Класификација и груписање. Динамичке мреже. Дубоке мреже. Конволуционе мреже. LSTM. Концепти fuzzy логике. Мамданијев и Сугенов модел машине. Пројектовање и подешавање fuzzy система.
Садржај практичне наставеВежбе на рачунарима за пројектовање и анализу неуралних мрежа и fuzzy логике. Решавање практичних проблема из различитих области инжењерства коришћењем савремених програмских окружења (Матлаб и Python).
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. Deep Learning with Python, 2nd Edition, Francois Chollet, Manning, 2021
  5. T. J. Ross, Fuzzy Logic with Engineering Applications, 3rd ed. Hoboken, NJ, USA: Wiley, 2010.
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