×
Универзитет у Новом Саду

Предмет: Дубоко учење у системима аутономних и умрежених возила (17.CEM822)

Основне информације:
 
Категорија Стручно-апликативни
Ужа научна област Рачунарска техника и рачунарске комуникације
ЕСПБ 6

Изнети напредне теоретске и практичне аспекте дубоког учења и вешачке интелигенције са применом у аутономним и умреженим возилима.

Студент поседује детаљна знања о напредним теоретским и практичним аспектима дубоког учења и вештачких неуралних мрежа. Студент уме да имплементира моделе дубоког учења и примени их у домену аутономних и умрежених возила. Студент име да конструише ове моделе на вишепроцесорским платформа и програмским развојним алатима.

Дубоко учење припада домену вештачке интелигенције и машинског учења. Класификација слика, препознавање говора, медицинска дијагностика, контрола функција робота и возила су само неки од примера примене дубоког учења и вештачких неуралних мрежа. У овом предмету износимо следеће детаље: • Контролна петља и нивои аутоматизације возила. • Сензори, рачунарске платформе и актуатори у возилима. Умреженост возила. • Архитектура обраде у аутномним возилима. • Увод у машинско учење и његова веза са дубоким учењем. • Архитектуре вештачких неуралних мрежа попут директних, конволуционих и рекурентних, као и њихове примене. • Методе учења са и без надгледањем, као и специфичне итеративне адаптације током тренинга. Методе оптимизизације хиперпараметара ка успешнијој конвергенцији током тренинга. • Учење са појачањем. • Примене у аутономним возилима, како конволуционих тако и рекурентних мрежа у могућим комбинацијама са конвенционалним методама. Проучавање конкретних решења. • Примене за препознавање објеката у саобраћају, саобраћајне сигнализације, предвиђање путања, фузија разнородних сензора (камера, лидара, радара...). Блиско усклађено са предавачким делом, рачунарске вежбе користиће Python и TensorFlow као програмску платформу, као и физичку вишепроцесорску платформу која је намењена возилима и транспортним системима.

Предавања која излажу теорију и алгоритме са анализом конкретних решења. Вежбе које имплеметирају и оптимизују вештачке неуралне мреже користећи актоелне програмске алате. Пројектни задатак који захтева рад на процесорској платформи намењеној ауто индустрији.

Аутори Назив Година Издавач Језик
Fei-Fei Li CS231n Convolutional Neural Networks for Visual Recognition, Stanford University, Spring 2017 2017 Енглески
Zoran Kostic ECBM E4040 Neural Networks and Deep Learning, Columbia University, 2017 2017 Енглески
Goodfellow, I., Bengio, Y., Courville, A. Deep Learning 2017 MIT Press, Cambridge Енглески
Lex Fridman Deep Learning for Self-Driving Cars, MIT 2017 MIT Енглески
Драган Самарџија и Милена Милошевић Дубоко учење за аутономна возила 2020 Универзитет у Новом Саду, ФТН Српски језик
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Одбрана пројекта
Предиспитна
Да
Обавезна
Да
Број поена
50.00
Предметна активност
Писмени део испита - комбиновани задаци и теорија
Предиспитна
Не
Обавезна
Да
Број поена
50.00

ванр. проф. др Жељко Лукач

Ванредни професор

Предавања

ванр. проф. др Жељко Лукач

Ванредни професор

Рачунарске вежбе

Рачунарске вежбе