Predmet: Duboko učenje u sistemima autonomnih i umreženih vozila (17.CEM822 )
Studijski programi predmeta:
Stepen i vrsta studija | Naziv |
---|---|
Master akademske studije | Veštačka inteligencija i mašinsko učenje (Godina: 2, Semestar: Zimski) |
Master akademske studije | Računarstvo i automatika (Godina: 1, Semestar: Zimski) |
Kategorija | Stručno-aplikativni |
Uža naučna oblast | Računarska tehnika i računarske komunikacije |
ESPB | 6 |
Izneti napredne teoretske i praktične aspekte dubokog učenja i vešačke inteligencije sa primenom u autonomnim i umreženim vozilima.
Student poseduje detaljna znanja o naprednim teoretskim i praktičnim aspektima dubokog učenja i veštačkih neuralnih mreža. Student ume da implementira modele dubokog učenja i primeni ih u domenu autonomnih i umreženih vozila. Student ime da konstruiše ove modele na višeprocesorskim platforma i programskim razvojnim alatima.
Duboko učenje pripada domenu veštačke inteligencije i mašinskog učenja. Klasifikacija slika, prepoznavanje govora, medicinska dijagnostika, kontrola funkcija robota i vozila su samo neki od primera primene dubokog učenja i veštačkih neuralnih mreža. U ovom predmetu iznosimo sledeće detalje:
• Kontrolna petlja i nivoi automatizacije vozila.
• Senzori, računarske platforme i aktuatori u vozilima. Umreženost vozila.
• Arhitektura obrade u autnomnim vozilima.
• Uvod u mašinsko učenje i njegova veza sa dubokim učenjem.
• Arhitekture veštačkih neuralnih mreža poput direktnih, konvolucionih i rekurentnih, kao i njihove primene.
• Metode učenja sa i bez nadgledanjem, kao i specifične iterativne adaptacije tokom treninga. Metode optimizizacije hiperparametara ka uspešnijoj konvergenciji tokom treninga.
• Učenje sa pojačanjem.
• Primene u autonomnim vozilima, kako konvolucionih tako i rekurentnih mreža u mogućim kombinacijama sa konvencionalnim metodama. Proučavanje konkretnih rešenja.
• Primene za prepoznavanje objekata u saobraćaju, saobraćajne signalizacije, predviđanje putanja, fuzija raznorodnih senzora (kamera, lidara, radara...).
Blisko usklađeno sa predavačkim delom, računarske vežbe koristiće
Predavanja koja izlažu teoriju i algoritme sa analizom konkretnih rešenja. Vežbe koje implemetiraju i optimizuju veštačke neuralne mreže koristeći aktoelne programske alate. Projektni zadatak koji zahteva rad na procesorskoj platformi namenjenoj auto industriji.
Autori | Naziv | Godina | Izdavač | Jezik |
---|---|---|---|---|
2017 | Engleski | |||
Dragan Samardžija i Milena Milošević | Duboko učenje za autonomna vozila | 2020 | Univerzitet u Novom Sadu, FTN | Srpski jezik |
2017 | Engleski | |||
2017 | Engleski | |||
2017 | Engleski |
Predmetna aktivnost | Predispitna | Obavezna | Broj poena |
---|---|---|---|
Predmetna aktivnost Pismeni deo ispita - kombinovani zadaci i teorija |
Predispitna Ne |
Obavezna Da |
Broj poena 50.00 |
Predmetna aktivnost Odbrana projekta |
Predispitna Da |
Obavezna Da |
Broj poena 50.00 |
vanr. prof. dr Lukač Željko
Vanredni profesor
Predavanja
vanr. prof. dr Lukač Željko
Vanredni profesor
Računarske vežbe
Asistent sa doktoratom dr Milošević Milena
Asistent sa doktoratom