Cilj:Upoznavanje studenata sa osnovnim konceptima mekog računarstva i delimično, mašinskog učenja.
Ishod:Studenti će biti osposobljeni za upotrebu koncepata mekog računarstva i pojedinih algoritama mašinskog učenja pri projektovanju softverskih proizvoda i rešenja koja se delimično zasnivaju na tim konceptima.
Sadržaj predmeta
Teorijska nastava:
Osnovni pojmovi matematičke logike, veštačke inteligencije i mekog računarstva.
Fuzzy logika. Rasplinute relacije, logika i metode zaključivanja.
Obučavanje, unakrsna validacija i problem prenaučenosti.
Duboko obučavanje sistema za odlučivanje.
Metode vektora oslonca.
Teorija anomalija i metode otkrivanja anomalija.
Evolucionarno računarstvo.
Genetski algorimi.
Prirodom inspirisane meta-heuristike i problemi optimizacije.
Veštački imuni sistemi.
Probabilističko računarstvo. Teorija verovatnoće, igara i odličivanja. Bajesovske mreže.
Teorija haosa. Deterministički haos, sinhronizacija haotičnih sistema, klasični modeli haotičnih komunikacija.
Grubi skupovi.
Primena mekog računarstva.
Praktična nastava:
Uvežbavanje predstavljenih koncepata, metoda i tehnika kroz primere.
Literatura
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.
