Навигација

19М034АДО - Итеративни алгоритми за динамичку оптимизацију

Спецификација предмета
НазивИтеративни алгоритми за динамичку оптимизацију
Акроним19М034АДО
Студијски програмЕлектротехника и рачунарство
Модул
Тип студијамастер академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
Број ЕСПБ6.0Статус предметаизборни
Условљност другим предметима-
Циљеви изучавања предметаСврха курса је упознавање са итеративним алгоритмима за динамичку оптимизацију и њиховом применом у теорији информација, телекомуникацијама, вештачкој интелигенцији и биоинформатици.
Исходи учења (стечена знања)Након курса, студенти постају упознати са принципом рада и применом итеративних агоритама за динамичку оптимизацију. Студенти ће бити оспособљени за имплементацију алгоритама као и за њихову примену на решавање проблема везаних за обраду и пренос информација.
Садржај предмета
Линк ка страници предметаhttp://telit.etf.rs/kurs/algoritmi-za-dinamicku-optimizaciju/
Линк ка предавањимаhttps://teams.microsoft.com/l/team/19%3aLbcDlQyb2Tf0Q8zbDFkVwgkB5W9kv03KIk17E7UiT8U1%40thread.tacv2/conversations?groupId=d82f02e5-681b-4295-8c18-5feff907695b&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Садржај теоријске наставеМоделовање инжењерских оптимизационих проблема фактор гафовима. Коначни аутомати, Марковљеве и Бајесове мреже. Алгоритам пропагације веродостојности. Итеративно декодовање турбо кодова и кодова са проверама парности мале густине. Витербијев и Баум-Велшов алгоритам, примена при еквализацији канала. Скривени Марковљеви процеси. Итеративно учење на графовима. Алгоритми градијентне оптимизације.
Садржај практичне наставеВежбе на рачунарима и показне вежбе. Решавање оптимизационих проблема из теорије информација и сродних области инжењерства. Домаћи задаци из обрађиваних тема.
Литература
  1. D. J.C. MecKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003
  2. T. Richardson, R. Urbanke, Modern Coding Theory, Cambridge University Press, 2009
  3. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009
  4. T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, 2nd edition, The MIT Press, 2001.
  5. P. Ivanis, D. Drajic, Information Theory and Coding - Solved Problems, Springer, New York, 2017
Број часова активне наставе недељно током семестра/триместра/године
ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
221
Методе извођења наставеПредавања и аудиторне вежбе. Домаћи задаци у форми писања есеја, пројеката и рачунских задатака.
Оцена знања (максимални број поена 100)
Предиспитне обавезеПоенаЗавршни испитПоена
Активности у току предавања0Писмени испит60
Практична настава40Усмени испит0
Пројекти0
Колоквијуми0
Семинари0