Системи вештачких неуронских мрежа

ID: 3168
врста предмета: научно-стручни
носилац предмета: Миљковић Ђ. Зоран
извођачи: Миљковић Ђ. Зоран
контакт особа: Миљковић Ђ. Зоран
ниво студија: докторске студије
ЕСПБ: 5
облик завршног испита: презентација семинарског рада

извођења

  • 3. семестар, позиција 1

циљ

Вештачке неуронске мреже представљају једну од најважнијих и најзаступљенијих парадигми вештачке интелигенције, тако да овај предмет има за циљ да студенте докторских студија, преко теоријских и практичних аспеката, односно преко алгоритама учења и процедура обучавања неуронских мрежа, у потпуности оспособи за самосталан развој, моделирање и примену вештачких неуронских мрежа у домену комплексне анализе рада интелигентних машинских система.

исход

Исход овог предмета подразумева, поред увођења студената докторских студија у основну методологију моделирања комплексних проблема у машинству, да применом вештачких неуронских мрежа које поседују способност да науче и генерализују природу појединих феномена на основу познатих експерименталних података, утврде њихову погодност за моделирање и предвиђање промене функционалних карактеристика посматраних система или процеса, с обзиром да оне могу да се тренирају - обучавају тако да пронађу решење са одговарајућом тачношћу, препознају моделе понашања, класификују податке и предвиде будуће догађаје.

садржај теоријске наставе

Теоријска настава је организована у више целина: • Интелигентне формализоване методологије и computational intelligence технике - Aдаптивно процесирање и улога вештачких неуронских мрежа у развоју computational intelligence техника, историјат развоја вештачких неуронских мрежа; • Вештачке неуронске мреже-основни концепти - Структуре вештачких неуронских мрежа, процесирајући елемент-неурон, активационе функције, алгоритми учења вештачких неуронских мрежа, симулација и процесирање неуронских мрежа; • Модели вештачких неуронских мрежа - основне парадигме и примери; • Хомогене вештачке неуронске мреже: перцептрон, "back-propagation" (BP) неуронска мрежа, компетитивне ART неуронске мреже, самоорганизујуће неуронске мреже, итд.; • Хетерогене вештачке неуронске мреже (мембрански потенцијал, неуронски модел, неуронски контролери).

садржај практичне наставе

Практична настава је организована у више целина: • Вештачке неуронске мреже у интелигентним технологијама - Формализовано концепцијско пројектовање, групна технологија, технолошко препознавање и представљање машинских делова, напредно пројектовање технолошких процеса, проблеми планирања и терминирања, системи препознавања - процесирање и анализа слике, мониторинг и дијагностика технолошких процеса, интелигентно управљање робота и машинских система, примена у бизнису и финансијама; • Развијени софтвери и њихова примена - BPnet, ART-Simulator, Matlab, Neuro Solutions, итд.

услов похађања

Превасходно завршен технички факултет.

ресурси

(1) З.Миљковић, Д.Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије, Машински факултет, Београд, 2009, 18.1 (2) З.Миљковић, Системи вештачких неуронских мрежа у производним технологијама, Серија монографских дела Интелигентни технолошки системи, Књига 8, Машински факултет, Београд, 2003, 18.1 (3) Софтверски пакети (BPnet, ART-Simulator, Matlab), Лабораторија CeNT, Машински факултет у Београду, 18.13 (4) Лабораторијски прототипови мобилних робота (Khepera II мобилни робот са хватачем и камером; LEGO Mindstorm NXT комплет реконфигурабилног мобилног робота са сензорима), Лабораторија CeNT, Машински факултет у Београду, 18.12 (5) Лабораторијски модел пројектованог технолошког система (учило), Лабораторија CeNT, Машински факултет у Београду, 18.12

фонд часова

укупан фонд часова: 60

активна настава (теоријска)

ново градиво: 15
разрада и примери (рекапитулација): 5

активна настава (практична)

аудиторне вежбе: 0
лабораторијске вежбе: 10
рачунски задаци: 0
семинарски рад: 5
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0

провера знања

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 10
преглед и оцена семинарских радова: 10
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 0
завршни испит: 5

провера знања (укупно 100 поена)

активност у току предавања: 15
тест/колоквијум: 0
лабораторијска вежбања: 10
рачунски задаци: 0
семинарски рад: 35
пројекат: 0
завршни испит: 40
услов за излазак на испит (потребан број поена): 40

литература

З.Миљковић, Д.Алексендрић, (2009) ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије, Машински факултет, Београд.; Freeman, J.A., Skapura, D.M., (1991) NEURAL NETWORKS – ALGORITHMS, APPLICATIONS AND PROGRAMMING TECHNIQUES, Addison-Wesley Publishing Company.; Golden,R.M., (1996) MATHEMATICAL METHODS FOR NEURAL NETWORK ANALYSIS AND DESIGN, MIT Press.; Skapura,D.M., (1996) BUILDING NEURAL NETWORKS, Addison-Wesley Publishing Company.; Zalzala,A.M.S.,Morris,A.S., (1996) NEURAL NETWORKS FOR ROBOTIC CONTROL -THEORY AND APPLICATIONS, Ellis Horwood Limited.;