Navigacija

13M054NM - Neuralne mreže i sistemi za obradu signala

Specifikacija predmeta
Naziv Neuralne mreže i sistemi za obradu signala
Akronim 13M054NM
Studijski program Elektrotehnika i računarstvo
Modul
Tip studija master akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
Nastavnik/saradnik (DON)
Broj ESPB 6.0 Status predmeta izborni
Uslovljnost drugim predmetima nema
Ciljevi izučavanja predmeta Upoznavanje studenata sa osnovnim konceptima neuralnih mreža, različitim arhitekturama, sposobnostima učenja neuralnih mreža, sistema za odlučivanje i obradu signala. Osposobljavanje studenata da samostalno projektuju neuralne mreže za inženjerske aplikacije, digitalnu obradu signala, telekomunikacije itd.
Ishodi učenja (stečena znanja) Studenti će biti sposobni da samostalno analiziraju i sintetizuju različite tipove neuralnih mreža koje se primenjuju u mnogim oblastima inženjerstva. Takođe će naučiti da primenjuju različite algoritme za učenje i obučavanje neuralnih mreža i implementaciju istih korišćenjem programskog paketa Matlab.
Sadržaj predmeta
Sadržaj teorijske nastave Pregled istorije neuralnih mreža i arhitektura, obučavanje, generalnizacija i inicijalizacija neuralnih mreža i sistema za odlučivanje i obradu signala. Osobine konvergencije algoritama. Nelinearno modelovanje dinamičke crne kutije. Klasifikacija i klasterizacija sa neuralnim mrežama. Kohonenove i Hopfildove neuralne mreže. Konvolucione neuralne mreže. Duboke neuralne mreže.
Sadržaj praktične nastave Vežbe na računarima uz demonstracije algoritama za obučavanje i dizajn neuralnih mreža. Rešavanje praktičnih problema iz različitih oblasti inženjerstva uz pomoć neuralnim mreža korišćenjem programskog paketa Matlab odnosno tulboksa Neuralne mreže.
Literatura
  1. M. Nielson, Neural Networks and Deep Learning, Determination press, 2015
  2. Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Chin-Teng Lin, C. S. George Lee, Prentice Hall, 1996
  3. Neural Networks: A Comprehensive Foundation, 2nd edition. Simon Haykin, Prentice Hall, 1998
  4. Neural Networks for Pattern Recognition, Christopher Bishop, Oxford University Press, 2000
  5. Handbook of Neural Network Signal Processing, Ed. by Yu Hen Hu and Jenq-Neng Hwang, CRC Press, 2002
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
3 1 1
Metode izvođenja nastave Predavanja, vežbe na računarima
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze Poena Završni ispit Poena
Aktivnosti u toku predavanja 0 Pismeni ispit 30
Praktična nastava 0 Usmeni ispit 0
Projekti
Kolokvijumi 50
Seminari 20