Signali i sistemi ETF

Neuralne mreže (13S053NM)

Predmet	Status	Broj časova (P+V+L)	Krediti
Neuralne mreže (13S053NM)	I	2+2+1	6
Predavanja - Goran Kvaščev, Aleksandar Rakić
Vežbe - Goran Kvaščev, Aleksandar Rakić, Marija Novičić

Obaveštenja

• Rezultate septembarskog ispitnog roka možete pogledati ovde. Uvid u radove će biti organizovan u dogovoru sa studentima koji su polagali ispit u ovom roku.
• Rezultate avgustovskog ispitnog roka možete pogledati ovde. Uvid u radove će biti organizovan u ponedeljak, 04.09. u 11h u kancelariji 72 (gore).
• Rezultate julskog ispitnog roka možete pogledati ovde. Uvid u radove će biti organizovan u sredu, 05.07. u 09h u kancelariji 72 (gore).
• Rezultate februarskog ispitnog roka možete pogledati ovde. Uvid u radove će biti organizovan u četvrtak 23.02. u 12:00 u kancelariji 72 (gore).
• Rezultate januarskog ispitnog roka možete pogledati ovde. Uvid u radove će biti organizovan u četvrtak 02.02. u 12:00 u kancelariji 72 (gore).
• Rezultate praktičnog testa možete pogledati ovde. Uvid u radove će biti organizovan u utorak 17.01. u 15:00 u kancelariji 72 (gore).
• Rezultate kolokvijuma možete pogledati ovde. Uvid u radove će biti organizovan u ponedeljak, 26.12. u 10h u kancelariji 72 (gore).
• Uvodno predavanje će se održati prema rasporedu časova u četvrtak, 06.10.2022. u 08h u sali 65. Vežbe počinju od treće nedelje nastave.
• Forma ispita:
  • 20% I Kolokvijum (neuralne mreže, nadoknada je moguća samo u januarskom ispitnom roku) +
  • 20% II Kolokvijum (neuralne mreže, nadoknada je moguća samo u januarskom ispitnom roku) +
  • 12% Praktični test (neuralne mreže, nadoknada nije moguća) + 
  • 11% Projekat1 (neuralne mreže, projekat može da se brani u bilo kom roku) +
  •   7% Projekat2 (fuzzy logika, odbrana je moguća u januarskom i februarskom ispitnom roku) +
  • 30% Ispit (fuzzy logika)

Tim predmeta na MS Teams platformi u školskoj 2022/2023: 13S054NM - Neuralne mreže

Materijali

Neuralne mreže

Prezentacije sa predavanja 2022/2023 nalaze se na platformi Teams u sekciji Files/Predavanja.

•  Preface and Neurons
  •  Matlab_nnet_neurons
  •  nn_and
  •  linearnn
  •  nn_approxwithlin
•  02 Perceptrons
  •  matlab_nnet_perceptrons
  •  nn_newp
  •  nnpercclass
•  03 Backpropagation
  •  MATLAB_nnet_BackPropagation
  •  ex01_new_ff
  •  ex02_backpropraingd
  •  ex03_backprop_traingdm
  •  ex04_backprop_comparsion
  •  ex05_backprop_earlystopping
  •  ex05_backprop_generalization
  •  nntool_klasifikacija (djevrek klasifikacija)
•  Neuralne mreze_RadialBasisNetworks
  •  MATLAB_nnet_RadialBasicNetworks
  •  ex01_radialBasisApproximation
  •  ex02_radialBasisApproximation3
•  Hopfield networks
  
•  Deep learning
•  Convolutional neural networks 

Fuzzy logika

Opis	Prezentacija	Programi/modeli
Introduction, Fuzzy Variables and Fuzzy Sets	Fuzzy_logic_1
Fuzzy Sets & Fuzzy Rules	Fuzzy_logic_2
Fuzzy Inference	Fuzzy_logic_3
Developing Fuzzy Expert Systems	Fuzzy_logic_4
Matlab Fuzzy Logic Toolbox	Fuzzy_logic_5	AirConditioner.fis
Analiza projektovanog PC evaluatora	analiza_pc_fis	analiza_pc_fis.m  PC.fis
Deeper into Fuzzy Inference	Fuzzy_logic_6

 Fuzzy upravljanje

Opis	Prezentacija	Programi/modeli
Fuzzy Control	Fuzzy_control	sltank.slx  tank.fis
Intuitivni pristup projektovanju PD baziranih fuzzy kontrolera	intuitive_flc	intuitive_flc.m  my_tank_control.fis  intuitive_flc_sim.slx
Generisanje linearnog sumatora (osnova za linearni FPD)	gen_lin_fpd	gen_lin_fpd.m
Podešavanje fuzzy PID kontrolera	Fuzzy_PID	blaga_neg_mf.m  blaga_poz_mf.m  strma_neg_mf.m  strma_poz_mf.m
Analiza efekata detjuninga linearnog FPD	fpd_detjuning	fpd_detjuning.m

Primeri ispita iz dela fuzzy logika:

•  SI3NM - Ispit JAN 2011 - deo FUZZY
•  SI3NM - Ispit FEB 2011 - deo FUZZY
•  NM - Ispit JAN 2013 - deo FUZZY

Laboratorija

• Uvodni model za Simulink se nalazi ovde.
•  NM Fuzzy Lab 1 - Intuitive FLC - Projektovanje intuitivnog fuzzy upravljanja u Matlab/Simulink okruženju
•  NM Fuzzy Lab 2 - PID Fuzzification - Primer fazifikacije konvencionalnog upravljanja u Simulink okruženju

Ispiti