Циљ
Исход
Методе извођења наставе
Садржај
Литература
Студенти су оспособљени да:
•објасне теоријске концепте метода рачунарске интелигенције;
•анализирају њихове предности, недостатке и ограничења у примени;
•примене фази логику, неуронске мреже и методе еволутивног рачунарства за решавање реалних проблема;
•развију интелигентне, хибридне и адаптивне системе у одабраном програмском језику и да их примене у различитим
доменима.
Теоријска настава
Преглед и историјски развој метода рачунарске интелигенције. Класични и фази скупови, нормализација и фазификација.
Операције над фази скуповима, фази аритметика. Фази системи закључивања, Мамдани и Сугено системи. Фази управљачки
системи. Основни елементи и начин функционисања вештачких неуронских мрежа. Типови неуронских мрежа. Архитектура
мреже. Активационе функције и тежински коефицијенти. Правила обучавања и алгоритми учења. Предвиђање (класификација)
и кластеровање неуронским мрежама. Подешавање параметара мреже. Основе еволутивног рачунарства. Диференцијална
еволуција, генетски алгоритми, алгоритми ројева. Адаптивни и хибридни интелигентни стистеми.
Практична настава
Решавање практичних задатака из наведених области и програмска реализација у одговарајућем софтверском пакету или
програмском језику (MATLAB, Python). Израда пројекта/софтверског решења над одабраним скупом података.
1.
Петровић, Б., Поледица, А.,
Драговић, И., Ракићевић, А.,
Милошевић, П.,Вукићевић
А., & Зукановић, М.
Рачунарска интелигенција Практикум у MATLAB-у Београд: ФОН 2021
2. Ross, T. Fuzzy Logic with Engineering Applications (4th ed.) Chichester: Wiley 2017
3. Engelbrecht, A. P. Computational Intelligence: an Introduction Chichester: Wiley 2007
4. Haykin, S. Neural Networks (2nd ed.) New York: Prentice-Hall 1994
