Садржај

Теоријска настава Мотивација. Појам машинске интелигенције. Кратак историјски преглед. Правци развоја. Улога знања у решавању задатака. Простор стања и претрага простора стања. Предикатски рачун И реда. Правило резолуције. Теорија расплинутих (фуззy) скупова. Непрецизност, постепеност, субјективност. Однос према класичној логици и вероватноћи. Операције на расплинутим скуповима. Лингвистичке (фази) променљиве. Лингвистички модификатори. Фази бројеви. Логичке мере (норме и конорме). Расплинуте релације. Расплинута логика, методе фази закључивања. Фази управљање. Израда фази контролера. Примери примене расплинуте логике у базама података, одлучивању, инжењерству и медицини. Неуронске мреже - модел природног и вештачког неурона. Врсте вештачких неуронских мрежа (ВНМ). Обучавање ВНМ. Примери примене. Остали системи машинске интелигенције. Практична настава: Израда постављених примера и задатака. Коришћење МАТЛАБ-а (Оцтаве - Форге) окружења. Имплементације на вишим програмским језицима. Апликација теоријског знања на конкретне практичне проблеме.