Циљ:Упознавање студената са основним концептима меког рачунарства и делимично, машинског учења.
Исход:Студенти ће бити оспособљени за употребу концепата меког рачунарства и појединих алгоритама машинског учења при пројектовању софтверских производа и решења која се делимично заснивају на тим концептима.
Садржај предмета
Теоријска настава:
Основни појмови математичке логике, вештачке интелигенције и меког рачунарства.
Fuzzy логика. Расплинуте релације, логика и методе закључивања.
Обучавање, унакрсна валидација и проблем пренаучености.
Дубоко обучавање система за одлучивање.
Методе вектора ослонца.
Теорија аномалија и методе откривања аномалија.
Еволуционарно рачунарство.
Генетски алгорими.
Природом инспирисане мета-хеуристике и проблеми оптимизације.
Вештачки имуни системи.
Пробабилистичко рачунарство. Теорија вероватноће, игара и одличивања. Бајесовске мреже.
Теорија хаоса. Детерминистички хаос, синхронизација хаотичних система, класични модели хаотичних комуникација.
Груби скупови.
Примена меког рачунарства.
Практична настава:
Увежбавање представљених концепата, метода и техника кроз примере.
Литература
Goran Šimić, Tehnologije i sistemi veštačke inteligencije, Akademija tehničko-umetničkih strukovnih studija Beograd, Odsek Visoka škola elektrotehnike i računarstva, Vojvode Stepe 283, Beograd, ISBN 978-86-6090-186-8, COBISS.SR-ID 182283273, 242 strana, 2025
E. Volna, "Introduction to Soft Computing", Bookbon & Eva Volna, 2013.
D. K. Pratihar, "Soft computing: fundamentals and applications", Alpha Science International, Ltd., 2013.
G. Tettamanzi, M. Tomassini, "Soft computing: integrating evolutionary, neural, and fuzzy systems", Springer Science & Business Media, 2013.
V. Chandola, A. Banerjee, V. Kumar, "Anomaly detection: A survey", ACM computing surveys, 2009.
