Биолошки инспирирано пресметување

Биолошки инспирирано пресметување

1.

Наслов на наставниот предмет

Биолошки инспирирано пресметување

Biologically inspired computing

2.

Код

F23L3S078

3.

Студиска програма

Софтверско инженерство и информациски системи, Компјутерски науки, Компјутерско инженерство, Интернет, мрежи и безбедност, Информатичка едукација, Software engineering and information systems, Примена на информациски технологии, Примена на информациски технологии, Софтверско инженерство и информациски системи, Компјутерски науки, Компјутерско инженерство, Интернет, мрежи и безбедност, Software engineering and information systems, Стручни студии за програмирање, Стручни студии за програмирање,

4.

Организатор на студиската програма (единица, односно институт, катедра, оддел)

Факултет за информатички науки и компјутерско инженерство

5.

Степен (прв, втор, трет циклус)

Прв циклус

6.

Академска година / семестар

4 / Летен

7. Број на ЕКТС кредити

6.0

8.

Наставник

доц. д-р Илинка Иваноска

9.

Предуслови за запишување на предметот

Алгоритми и податочни структури или Примена на алгоритми и податочни структури

10.

Цели на предметната програма (компетенции):


Целта на овој курс е запознавање на студентите со алгоритми кои се инспирирани од феномени кои се појавуваат во природата и примена на истите за решавање на проблеми од оптимизација, дизајн и учење. Фокусот ќе биде поставен врз абстракцијата на алгоритмите од воочените феномени, анализа на нивниот резултат како и нивна споредба. Во текот на курсот ќе се посвети внимание на конкретни примени на споменатите алгоритми. По завршувањето на курсот се очекува студентите да се здобијат со: - Знаење за природните феномени кои се инспирација за дискутираните алгоритми - Разбирање за силните и слабите страни на алгоритмите - Способност за идентификување на соодветноста на алгоритмите и нивна примена во проблеми од оптимизација, дизајн и учење

11.

Содржина на предметната програма:


Предавања: 1. Вовед во биолошки инспирирано пресметување; Пребарување и оптимизација; 2. Техники за локално пребарување; 3. Генетски алгоритми 1; 4. Генетски алгоритми 2; 5. Генетско програмирање; 6. Интелигенција на јато; Оптимизација со колонија на мравки; 7. Оптимизација на рој честици; Вештачка колонија на пчели; 8. Вештачки имунолошки системи; 9. Невронски мрежи; 10. Само-организирачки невронски мрежи; 11. Задоволување на ограничувања; 12. Останати биолошки инспирирани хевристики; Вежби: 1. Вовед во биолошки инспирирано пресметување; Пребарување и оптимизација; 2. Техники за локално пребарување; 3. Генетски алгоритми 1; 4. Генетски алгоритми 2; 5. Генетско програмирање; 6. Интелигенција на јато; Оптимизација со колонија на мравки; 7. Оптимизација на рој честици; Вештачка колонија на пчели; 8. Вештачки имунолошки системи; 9. Невронски мрежи; 10. Само-организирачки невронски мрежи; 11. Задоволување на ограничувања; 12. Останати биолошки инспирирани хевристики;

12.

Методи на учење:


Предавања со користење на презентации, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа.

13.

Вкупен расположив фонд на време

6.0 ЕКТС x 30 часа = 180 часа

14.

Распределба на расположивото време

30 + 45 + 15 + 15 + 75 = 180 часа

15.

Форми на наставните активности

15.1.

Предавања- теоретска настава

30 часови

15.2.

Вежби (лабораториски, аудиториски), семинари, тимска работа

45 часови

16.

Други форми на активности

16.1.

Проектни задачи

15 часови

16.2.

Самостојни задачи

15 часови

16.3.

Домашно учење

75 часови

17.

Начин на оценување

17.1.

Тестови

10 бодови

17.2.

Семинарска работа/ проект ( презентација: писмена и усна)

15 бодови

17.3.

Активности и учење

10 бодови

17.4.

Завршен испит

70 бодови

18.

Критериуми за оценување (бодови/ оценка)

до 50 бода

5 (пет) (F)

од 51 до 60 бода

6 (шест) (E)

од 61 до 70 бода

7 (седум) (D)

од 71 до 80 бода

8 (осум) (C)

од 81 до 90 бода

9 (девет) (B)

од 91 до 100 бода

10 (десет) (A)

19.

Услов за потпис и полагање на завршен испит

Реализирани актибвности 15.2 и 16.1

20.

Јазик на кој се изведува наставата

Македонски и англиски

21.

Метод на следење на квалитетот на наставата

механизам на интерна евалуација и анкети

22.

Литература

22.1.

Задолжителна литература

Ред.бр.

Автор

Наслов

Издавач

Година

4220

L. N. de Castro

Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications

CRC Press

2006

4221

D. Floreano and C. Mattiussi

Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies

MIT Press

2008

4222

D. Simon

Evolutionary Optimization Algorithms

Wiley

2013

22.2.

Дополнителна литература

Ред.бр.

Автор

Наслов

Издавач

Година