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 prof. dr Aleksandar Rakić
Nastavnik/saradnik (vežbe)		as. ms Marija Novičić, dipl. inž. el. i rač. prof. dr Aleksandar Rakić as. Aleksa Stojić, dipl. inž. el. i rač.
Nastavnik/saradnik (DON)		as. ms Marija Novičić, dipl. inž. el. i rač. prof. dr Aleksandar Rakić
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
Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, The MIT Press, 2017 Handbook of Neural Network Signal Processing, Ed. by Yu Hen Hu and Jenq-Neng Hwang, CRC Press, 2002 M. Nielson, Neural Networks and Deep Learning, Determination press, 2015 Neural Networks for Pattern Recognition, Christopher Bishop, Oxford University Press, 2000 Deep Learning with Python, 2nd Edition, Francois Chollet, Manning, 2021
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