Meko računarstvo

Ishodi učenja

  1. definirati i opisati temeljna podpodručja mekog računarstva
  2. primijeniti modele neizrazite logike na probleme upravljanja
  3. primijeniti umjetne neuronske mreže za predviđanje te klasifikaciju
  4. riješiti optimizacijske probleme uporabom evolucijskog računanja
  5. povezati različite tehnike mekog računarstva u cjeloviti sustav
  6. preporučiti prikladnu metodu mekog računarstva za rješavanje različitih problema

Oblici nastave

Predavanja

Laboratorij

Tjedni plan nastave

  1. Neizraziti skupovi i neizrazita logika
  2. Neizraziti skupovi i neizrazita logika
  3. Neizraziti skupovi i neizrazita logika
  4. Neizraziti skupovi i neizrazita logika
  5. Neizrazito zaključivanje (neizrazite propozicije, neizrazite relacije i neizrazite implikacije), Sustavi neizrazitog zaključivanja. neizrazito kodiranje i dekodiranje
  6. Neizrazito zaključivanje (neizrazite propozicije, neizrazite relacije i neizrazite implikacije), Sustavi neizrazitog zaključivanja. neizrazito kodiranje i dekodiranje
  7. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje), Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme)
  8. Međuispit
  9. Samoorganizirajuće mreže (hebbovsko nendzirano učenje, Ojaovo pravilo učenja, PCA pomoću samoorganizirajućih mreža, Sangerovo pravilo učenja, natjecateljsko nenadzirano učenje, mreže pobjednik-uzima-sve, Kohonenove samoorganizirajuće mape)
  10. Sustavi neizrazitog zaključivanja. neizrazito kodiranje i dekodiranje, Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme)
  11. Evolucijski algoritmi za jednokriterijsko optimiranje
  12. Evolucijski algoritmi za jednokriterijsko optimiranje
  13. Evolucijski algoritmi za jednokriterijsko optimiranje, Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme)
  14. Sustavi neizrazitog zaključivanja. neizrazito kodiranje i dekodiranje, Evolucijski algoritmi za jednokriterijsko optimiranje
  15. Završni ispit

Studijski programi

Sveučilišni diplomski
Informacijsko i komunikacijsko inženjerstvo (profil)
Izborni predmeti (1. semestar) Izborni predmet profila (3. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Izborni predmet profila (1. semestar) (3. semestar)
Računarska znanost (profil)
Izborni predmet profila (1. semestar) (3. semestar)

Literatura

(.), Marko Čupić, Bojana Dalbelo Bašić, Marin Golub. Neizrazito, evolucijsko i neuroračunarstvo, 2012. (online),
(.), Z.Michalewicz: Genetic Algorithms + Data Structures = Evolution Programs, Springer Verlag, Berlin, 3rd ed., 1996.,
(.), S.Haykin: Neural Networks, Comprehensive Foundation, Prentice Hall, 2nd ed., 1999.,
(.), J. Yen and R. Langari: Fuzzy Logic, Prentice Hall, 1999.,
(.), H.J.Zimmermann: Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers, 4th ed., 2001.,

Za studente

Izvedba

ID 222649
  Zimski semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
5 Laboratorijske vježbe