Самообучавајући и адаптивни алгоритми | Факултет Техничких Наука

Предмет: Самообучавајући и адаптивни алгоритми (17.AUN54)

Основне информације:

Категорија	Научно-стручни
Ужа научна област	Аутоматика и управљање системима
ЕСПБ	4

Оспособљавање студената за решавање основних проблема анализе, синтезе и имплементације само-обучавајућих и адаптивних система у проблемима одлучивања и шире, за праћење литературе и активан истрживачки рад у области.

Студенти ће стећи основна знања из области само-обучавајућих и адаптивних система и алгоритама. Научиће да изаберу одговарајући алгоритам, да подесе мета-параметре, те изврше имплементацију алгоритама на одговарајућој платформи.

1. Проблем аутоматског одлучивања и основна структура прилагодљивих система за подршку одлучивању. Основни појмови о машинском учењу, адаптивним и самообучавајућим алгоритмима. 2. Коначни Марковљеви процеси одлучивања. 3. Основни методи егзактног решавања коначних проблема одлучивања. 4. Ограничења егзактних метода и потреба за увођењем апроксимативних техника. Примери и студије случаја. 5. Линеарна регресија и класификација. 6. Адаптивна естимација параметара линеарних модела - рекурзивни метод најмањих квадрата и Калманов филтер. 7. Нелинеарна регресија и класификација. Адаптивна естимација параметара нелинеарних модела. 8. Вештачке неуронске мреже као пример алгоритма опште регресије и класификације. Алгоритам пропагације грешке уназад. 9. Стохастички градијент и алгоритам најбржег пада, са применама у обуци неуронских мрежа. 10. Адаптивна естимација параметара линеарних динамичких модела.

Предавања. Рачунарске вежбе. Консултације. Пројекат.

Аутори	Назив	Година	Издавач	Језик
I. Moreels and J. Willem	Adaptive Systems - An Introduction	1996	Birkhauser	Енглески
A. Zaknich	Principles of Adaptive Filters and Self Learning Systems	2005	Springer	Енглески
Ioannou, P.A.	Adaptive Systems with Reduced Models	1983	Springer-Verlag, Berlin	Енглески
V. Vapnik	Statistical Learning Theory	1998	John Willey and Sons	Енглески
C. Gres	Complex and Adaptive Systems	2008	Springer	Енглески
Ruchard S. Sutton, Andrew G. Barto	Reinforced Learning - An Introduction	2017	MIT Press	Енглески

Предметна активност	Предиспитна	Обавезна	Број поена
Предметна активност Писмени део испита - комбиновани задаци и теорија	Предиспитна Не	Обавезна Да	Број поена 30.00
Предметна активност Тест	Предиспитна Да	Обавезна Да	Број поена 30.00
Предметна активност Предметни(пројектни)задатак	Предиспитна Да	Обавезна Не	Број поена 30.00
Предметна активност Усмени део испита	Предиспитна Не	Обавезна Да	Број поена 40.00