Меко рачунање

Упознавање студената са савременим приступима меког рачунања у решавању проблема оптимизације,
операционих истраживања и одлучивања са нагласнком на методе фази скупова, неуронских мрежа и
еволуционог рачунарства.

Знање о могућностима примене метода и техника меког рачунања у решавању реалних проблема у
инжењерској и менаџерској пракси и овладавање одговарајућим вештинама моделирања проблема и
коришћења расположивих софтверских алата

Настава класична, блок или менторска, зависно од броја пријављених студената
Вежбе: Претежно коришћењем расположивих софтвера.

Теоријска настава: 1. Карактеристични проблеми у инжењерству и менаџменту у којима се срећуфеномени
неизвесности, неодређености и непрецизности. 2. Увод у фази скупове – основни појмови и дефиниције.
3.Фази релације – бинарне релације, релације сличности, релације поређења, фази уређење и уопштенефази
релације. 4. Принцип проширења и фази аритметика. 5. Вероватносна и мере могућности. Мултивалентна и
фази логика. 6. Фази скупови у одлучивању. Фази математичко програмирање. 7. Модели фази линеарног
програмиарња. 8. Неуронске мреже. Вишеслојни перцептрон. 9. Обучавање неуронских мрежа. Алгоритам
са простирањем уназад. 10. Самоорганизујуће мреже. 11. Фази скупови и неуронске мреже – неуро фази
модели. 12. Еволуционо рачунарство. 13. Генетски алгоритми. 14. Мрављи алгоритми.
Практична настава Вежбе: 1. Моделирање неизвесности. 2. Одређивање функција припадности. 3-5.
Софтверски алати за фази скупове. 6-8. Софтверски алати за неуронске мреже. 9-10. Софтверски алати за
еволуционо рачунарство. 11-15. Студијски истраживачки рад – израда пројекта.

1. M. Vujošević, Оperaciona istraživanja – izabrana poglavlja, FON, Beograd, 1999
2. G. Deco, D. Obradovic, An information-theoretic approach to neural computing, Springer Verlag,Berlin,
   1996.
3. G. J. Klir, B. Yuan, Fuzzy sets and fuzzy logic – theory and applications, Prentice Hall, Upper saddle River,
   1995
4. E. Cox, The Fuzzy Systems Handbook, Academic Press, London, 1994.