×
Универзитет у Новом Саду

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
API Image

проф. др Милан Рапаић

Редовни професор

Предавања

Предавања

Рачунарске вежбе

Рачунарске вежбе