Navigacija

19D051NM - Neuralne mreže

Specifikacija predmeta
Naziv Neuralne mreže
Akronim 19D051NM
Studijski program Elektrotehnika i računarstvo
Modul modul Upravljanje sistemima i obrada signala
Tip studija doktorske akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
    Nastavnik/saradnik (DON)
      Broj ESPB 9.0 Status predmeta izborni
      Uslovljnost drugim predmetima nema
      Ciljevi izučavanja predmeta Upoznavanje studenata sa osnovnim konceptima neuralnih mreža, različitim arhitekturama, sposobnostima učenja neuralnih mreža itd. Osposobljavanje studenata da samostalno projektuju sisteme bazirane na neuralnim mrežama za inženjerske aplikacije, digitalnu obradu signala, upravljanje, prepoznavanje oblika, kontrolu kvaliteta...
      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 ili u Phyton.
      Sadržaj predmeta
      Sadržaj teorijske nastave Pregled istorije neuralnih mreža i arhitektura, obučavanje, generalnizacija i inicijalizacija neuralnih mreža. Osobine konvergencije algoritama. Nelinearno modelovanje dinamičke crne kutije. Klasifikacija i klasterizacija sa neuralnim mrežama. Konvolucione neuralne mreže. Duboke neuralne mreže. LSTM i transformeri.
      Sadržaj praktične nastave Praktična nastava će biti realizovana kroz projektovanje neuralnih mreža kroz konkretne primere, obučavanje i validaciju.
      Literatura
      1. Grokking Deep Learning, Andrew Trask, Manning, 2019
      2. M. Nielson, Neural Networks and Deep Learning, Determination press, 2015
      3. Neural Networks for Pattern Recognition, Christopher Bishop, Oxford University Press, 2000.
      4. Handbook of Neural Network Signal Processing, Ed. by Yu Hen Hu and Jenq-Neng Hwang, CRC Press, 2002.
      5. C. Bishop, Neural networks and pattern recognition, Prentice Hall, 2000
      Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
      Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
      8
      Metode izvođenja nastave predavanja i auditorne vežbe
      Ocena znanja (maksimalni broj poena 100)
      Predispitne obaveze Poena Završni ispit Poena
      Aktivnosti u toku predavanja 0 Pismeni ispit 70
      Praktična nastava 0 Usmeni ispit 0
      Projekti 0
      Kolokvijumi 30
      Seminari 0