Странице предмета

- мотивација и примери примене дистрибуиране обраде података: обрада великих количина података у (big data analytics), обрада података близу извора (vehicle-to-vehicle мреже) - врсте архитектуре за дистрибуирану обраду сигнала и њихове примене: fusion центар системи, обрада путем разапињућег стабла, кластеризовање мреже, потпуно дистрибуиране методе (consensus, message passing) - принципске методе адресирања trade-off-а између перформансе и количине ресурса (комуникација, меморија, рачунарска снага) - дистрибуирано усредњавање (gossip, consensus) са применама: координација аутономних агената (роботи, беспилотне летелице), агрегација података у ad-hoc мрежама, естимација, подрутина у дистрибуираној оптимизацији - дистрибуирано закључивање и дизајн заснован на опонашању биолошких система са применама у детекцији и естимацији - дистрибуирана оптимизација: градијентни методи, дуални методи, дуална декомпозиција, alternating direction method of multipliers, primal dual method of multipliers, са применама. Курс ће поменути и неке актуелне трендове блиске теми курса, као што су graph signal processing и обрада података са очувањем приватности.