Inteligentni sistemi

Teme za seminarski

Na ovoj stranici se mogu pronaći predložene teme za izradu projektnog rada iz Inteligentnih sistema. Ovo su samo predlozi tema, a moguće je, čak vrlo poželjno, da studenti sami predlože svoju temu iz oblasti koje se obrađuju na predavanjima i vežbama. Za temu iz date oblasti je zadužen nastavnik/saradnik koji je tu oblast i predavao na predavanjima i/ili vežbama.

Pre početka izrade seminarskog rada nephodno je da izabranu temu potvrdite sa nastavnikom/saradnikom za odgovarajuću oblast za koju je tema vezana. Za sve dodatne informacije obratite se nastavnicima/saradnicima na predavanjima, odnosno vežbama.

Neuronske mreže

Nastavnik/saradnik: Zoran Ševarac

1. Kreiranje izabrane arhitekture i algoritma za učenje neuronskih mreža Deep Learning arhitekture i algoritmi.

  • Autoencoders
  • Restricted Boltzman Machine
  • Stacked Autoencoders
  • DeepBelief Networks

Dodatne vrste neuronskih mreža:

  • Probabilistic Neural Network
  • General Regression Neural Network
  • Bidirectional Associative Memory
  • Boltzman Machine

Izabranu arhitekturu i algoritam potrebno je:

  1. isprogramirati u Javi-i, korišćenjem Neuroph framework-a
  2. dokumentovati kod (javadoc)
  3. dati osnovni primer primene
  4. napisati kratak tutorial u kome je objašnjeno šta je i kako napravljeno i kako se to koristi

2. Primere iz frejmvorka Weka i Encog implementirati u Neuroph-u i izvršiti poređenje i  evaluaciju. Za izabrane datasetove koji su dati u Encog i Weka frejmvorksima, dati rešenja pomoću Neuroph frejmvorka. Rešenja uraditi u Java kodu i kroz GUI, a zatim izvršiti poređenje ta tri frejmvorka.

Mašinsko učenje, Analiza teksta, Web podataka

Nastavnik/saradnik: Jelena Jovanović, Nikola Milikić

Teme:

Ekspertni sistemi, poslovna pravila

Nastavnik/saradnik: Bojan Tomić

Varijanta 1:

Pravljenje ES na željenu temu uz pomoć Drools alata i JEFF mehanizma za objašnjavanje. ES treba da ima bar 30 pravila i da pravi objašnjenja uz pomoć JEFF alata. Takođe, sistem bi trebalo da koristi i neku bazu podataka ili web servis da preuzme početne činjenice o problemu i/ili upiše konačno rešenje.

Varijanta 2:

Nadogradnja nekog od postojećih alata za razvoj ES, npr JEFF alata. JEFF je besplatan alat i njegov izvorni kod i API dokumentacija se mogu skinuti sa adrese: http://sourceforge.net/projects/jeff/. Izvorni kod se direktno preuzima sa SVN repozitorijuma i u obliku je NetBeans projekta. Potrebno ga je proširiti ili izmeniti u okviru seminarskog rada. Nekoliko dijagrama klasa kao i tutorial za JEFF se mogu naći ovde. Očekuje se da se seminarski upload-uje u ovaj repozitorijum na kraju rada. Radi održavanja nivoa kvaliteta projekta, neophodno je da sav kod bude detaljno testiran korišćenjem JUnit alata, kao i da bude kompletno dokumentovan javaDoc komentarima.

Dakle, seminarski je konkretan softver, nije potrebno pisati dokumentaciju. Potrebno je isprogramirati da JEFF ima (teme su):

  • Unos alternativnih objašnjenja za isti jezik i lokal (različite uloge – variant) korišćenjem Java i18n biblioteke i klase Locale.
  • Unos putanja za slike preko URL klase i internacionalizacija putanja za slike korišćenjem Java i18n biblioteke.
  • Izmena postojećeg tekstualnog dela objašnjenja – mogućnost dodavanja linka ka nekom eksternom URL-u.
  • Izmena postojećeg tekstualnog dela objašnjenja – mogućnost dodavanja linka ka nekom drugom delu objašnjenja. Uvodjenje ID za svaki deo objašnjenja.