Књига предмета

Циљ и исход предмета Циљ предавања и вежби је да се стекну основна знања и изуче технике за компресију података без губитака података (lossless compression) и са губитком дела података (lossy compression). Студент познаје врсте … Опширније

Циљ и исход предмета Упознавање са технологијама рутирање мрежног саобраћаја унутар једног аутономног система и између аутономних система. Упознавање са процесом рутирања пакета у рачунарским мрежама. Познавање карактеристика и разлика између протокола за рутирање. Познавање … Опширније

Циљ и исход предмета Упутити студенте у алтернативне, класичне и новије, технике анализе организационог система, моделовања података и моделовања пословних процеса. Студент је у стању да за потребе реалног пројектовања информационог система критички одабере најадакватније … Опширније

Циљ и исход предмета Оспособљавање студената на апстрактно мишљење и стицање основних знања из области класичне и модерне комбинаторике. Студенти поседују знања из пребројавања, елемената комбинаторних конструкција, комбинаторних алгоритама и елемената дискретне оптимизације. Стечена знања … Опширније

Основни појмови и принципи система аутоматског управљања. Математички описи континуалних линеарних и нелинеарних система. Лапласова трансформација. Функција преноса. Алгебра функције преноса. Граф тока сигнала. Оцена квалитета управљања у стационарном и прелазном режиму. Анализа стабилности система … Опширније

Turingова машина,  примитивно рекурзивне функције, рекурзивне функције, енумерација, универзалне функције, одлучивост, неодлучивост, парцијална одлучивост, рекурзивни и рекурзивно набројиви скупови, сводљивост и степени, теореме рекурзије. Израчунљивост, класе сложености, однос између класа сложености, свођење и комплетност, NP-комплетни … Опширније

Линеарни потпростори. Карактеристичне вредности и карактеристични вектори. Формуле за матричну инверзију. Матрични рачун. Кронекеров производ и Кронекерова сума. Инваријантни потпростори. Векторске норме и матричне норме. Сингуларна декомпозиција. Генерализоване инверзије. Квадратне форме и дефинитне матрице. Матричне … Опширније

Основне дефиниције. Правила обучавања неуралних мрежа. Место неуралних мрежа у меком рачунарству. Теоријске основе обучавања у неуралним мрежама. Адаптивне мреже као основа неуралних мрежа. Надгледано обучавање у неуралним мрежама и одговарајуће неуралне мреже. Обучавање појачавањем. … Опширније

Периодограми и корелограми. Непраматерска спектрална анализа. Методе банака филтара. Параметарске методе за линијске спектре. Рационалне спектралне методе. Просторне методе. Процесирање низова. MUSIC алгоритам. Препознавање облика. Практичне примене.

Циљ и исход предмета Стицање основних знања из математичке анализе. По завршетку курса, студенти ће усвојити основне појмове из математичке анализе, као и најважније теореме из области које курс покрива и умеће да наведено примене … Опширније