Meko računarstvo Šifra: 130317 | 6 ESPB

Opšte informacije

Nivo studija: Osnovne strukovne studije

Godina studija: 2

Semestar: 4

Uslov:

Cilj: Upoznavanje studenata sa osnovnim konceptima mekog računarstva i delimično, mašinskog učenja.

Ishod: Studenti će biti osposobljeni za upotrebu koncepata mekog računarstva i pojedinih algoritama mašinskog učenja pri projektovanju softverskih proizvoda i rešenja koja se delimično zasnivaju na tim konceptima.

Sadržaj predmeta

Teorijska nastava:

Osnovni pojmovi matematičke logike, veštačke inteligencije i mekog računarstva.
Fuzzy logika. Rasplinute relacije, logika i metode zaključivanja.
Veštačke neuronske mreže. Neuron, aktivaciona funkcija, arhitekture mreža.
Obučavanje, unakrsna validacija i problem prenaučenosti.
Duboko obučavanje sistema za odlučivanje.
Metode vektora oslonca.
Teorija anomalija i metode otkrivanja anomalija.
Evolucionarno računarstvo.
Genetski algorimi.
Prirodom inspirisane meta-heuristike i problemi optimizacije.
Veštački imuni sistemi.
Probabilističko računarstvo. Teorija verovatnoće, igara i odličivanja. Bajesovske mreže.
Teorija haosa. Deterministički haos, sinhronizacija haotičnih sistema, klasični modeli haotičnih komunikacija.
Grubi skupovi.
Primena mekog računarstva.

Praktična nastava:

Uvežbavanje predstavljenih koncepata, metoda i tehnika kroz primere.

Literatura

M. Milosavljević, "Veštačka inteligencija", Univerzitet Singidunum, 2015.
V. Miškovic, "Sistemi za podršku odlučivanju", Univerzitet Singidunum, 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.

Broj časova aktivne nastave (nedeljno)

Predavanja: 3

Vežbe: 2

Drugi oblici nastave: 0

Ocena znanja (maksimalan broj poena 100)

Predispitne obaveze

Poeni

aktivnosti u toku predavanja

aktivnosti na laboratorijskim vežbama

seminarski rad

kolokvijum

Završni ispit