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		modul Audio i video tehnologije, modul Biomedicinski i ekološki inženjering, modul Elektroenergetski sistemi Smer - Mreže i sistemi, modul Elektroenergetski sistemi Smer - Obnovljivi izvori energije, modul Elektroenergetski sistemi Smer - Postrojenja i oprema, modul Elektronika i digitalni sistemi, modul Energetska efikasnost, modul Informaciono komunikacione tehnologije, modul Mikrotalasna tehnika, modul Nanoelektronika i fotonika, modul Primenjena matematika, modul Računarska tehnika i informatika, modul Signali i sistemi, modul Softversko inženjerstvo
Tip studija		master akademske studije
Nastavnik (predavač)		prof. dr Goran Kvaščev
Nastavnik/saradnik (vežbe)		as. ms Marija Novičić, dipl. inž. el. i rač. as. ms Aleksa Stojić, dipl. inž. el. i rač.
Nastavnik/saradnik (DON)		as. ms Marija Novičić, dipl. inž. el. i rač. as. ms Aleksa Stojić, dipl. inž. el. i rač.
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		nema
Ciljevi izučavanja predmeta		Upoznavanje studenata sa konceptima neuralnih mreža i fuzzy logičkih sistema. Predstavljanje različitih arhitektura, metoda projektovanja, podešavanja i implementacije. Upoznavanje sa primenama u domenu obrade signala.
Ishodi učenja (stečena znanja)		Studenti će biti sposobni da samostalno analiziraju i sintetizuju različite tipove neuralnih mreža i fuzzy logičkih sistema za različite inženjerske aplikacije, sa posebnim osvrtom na obradu signala. Takođe će naučiti da razvijaju i implementiraju takve sisteme koristeći savremena programska okruženja (Matlab i Python).
Sadržaj predmeta
Link ka stranici predmeta		https://automatika.etf.bg.ac.rs/sr/13m054nm
Sadržaj teorijske nastave		Razvoj neuralnih mreža, arhitektura i problemi. Klasifikacija i grupisanje. Dinamičke mreže. Duboke mreže. Konvolucione mreže. LSTM. Koncepti fuzzy logike. Mamdanijev i Sugenov model mašine. Projektovanje i podešavanje fuzzy sistema. Napredne tehnike i sinergija neuralnih mreža i fuzzy logike. Različiti aspekti primene u obradi signala.
Sadržaj praktične nastave		Vežbe na računarima za projektovanje i analizu neuralnih mreža i fuzzy logike. Rešavanje praktičnih problema iz različitih oblasti inženjerstva korišćenjem savremenih programskih okruženja (Matlab i Python).
Literatura
M. Nielson, Neural Networks and Deep Learning, Determination press, 2015 Neural Networks for Pattern Recognition, Christopher Bishop, Oxford University Press, 2000 Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, The MIT Press, 2017 Deep Learning with Python, 2nd Edition, Francois Chollet, Manning, 2021 T. J. Ross, Fuzzy Logic with Engineering Applications, 3rd ed. Hoboken, NJ, USA: Wiley, 2010.
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		40
Kolokvijumi		30
Seminari		0