Табела 5.1 Спецификација предмета на студијском програму докторских студија
Назив предмета: И333 - Вештачке неуронске мреже |
|||||
Наставник или наставници (презиме, средње слово име): Станковић С. Миомир |
|||||
Статус предмета: изборни |
|||||
Број ЕСПБ: 12 |
|||||
Услов: нема |
|||||
Циљ предмета Стицање теоријског знања из области вештачких неуронских мрежа: архитектуре и алгоритама уче-ња, и знања потребног за њихову софтверску имплементацију. |
|||||
Исход предмета Теоријско знање и способност софтверске имплементације различитих архитектура и алгоритама учења вештачких неуронских мрежа. |
|||||
Садржај предмета Мреже са директним простирањем сигнала; Перцептрон, Вишеслојни перцептрон, Мреже радијалних базисних функција; Самоорганизујуће неуронске мреже; Кохоненова мрежа; Теорија адаптивне резонансе; Рекурентне неуронске мреже; Хопфилдова мрежа, Елманова мрежа, Потпуно повезана рекурентна мрежа, NARX рекурентна неуронска мрежа. |
|||||
Литература 1. Simon Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall, 1998 |
|||||
Број часова активне наставе |
Предавања: 4 |
Студијски истраживачки рад: |
|||
Методе извођења наставе На предавањима се користе класичне методе наставе уз коришћење видео пројектора и интеракцију са студентима. Знање студената се тестира преко израде домаћих задатака и колоквијума. На завршном усменом испиту се проверава свеобухватно разумевање изложеног градива. |
|||||
Оцена знања (максимални број поена 100) |
|||||
Предиспитне обавезе |
поена |
Завршни испит |
поена |
||
активност у току предавања |
5 |
писмени испит |
20 |
||
практична настава |
|
усмени испт |
25 |
||
колоквијум-и |
30 |
.......... |
|
||
домаћи задаци |
20 |
|
|
||
|
|||||
|
|||||