Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
|
|
Osnovno znanje iz računalniške obdelave signalov. |
Vsebina
|
|
• Uvod: teorija izračunljivosti, poglavitni principi klasičnega računanja, Turingov stroj, teorija računske kompleksnosti.
• Ocenjevanje parametrov iz biomedicinskih signalov, teorija cenilk in podatkovni modeli, multivariantna analiza signalov, statistično učenje, zmanjšanje dimenzij podatkov, analiza neodvisnih komponent.
• Nevromorfno računanje: predstavitev in obdelava informacije na nivoju posameznega nevrona, na nivoju majhnih mrež nevronov, kortikalni stolpič – osnovna funkcijska enota možganov sesalcev, dekodiranje nevronskih in mišičnih signalov, vmesniki možgani-stroj, vmesniki mišice-stroj.
• Hibridna nevroelektronika: nevronske mreže in mikroelektronska vezja, lastnosti membrane nevronov, električni vmesniki med polprevodniki in živimi celicami, mreže nevronov na integriranih vezjih.
• Uvod v nanoračunalnišvo: prednosti in slabosti nanotehnologije, karbonske nanocevke, molekularna elektronika, elektronika verig atomov, integracija nano, mikro in makro vezij in povezljivost z biosistemi.
• Kriptoanaliza in varovanje podatkov, asimetrični in simetrični kodirniki, pretočni in bločni kodirniki, algoritmi in protokoli za varno izmenjavo skritega ključa, kriptografske sekljalne funkcije in podpisovanje dokumentov.
• Uvod v kvantno računalništvo: nanoračunalništvo in izzivi stohastičnega obnašanja nanostruktur, kvantna teorija računanja in kvantna teorija informacij, tipi kvantnega računanja, prednosti in slabosti kvantnega računanja, eksperimentalne in teoretične raziskave v kvantnem računalništvu, prihodnost kvantnih računalnikov, Deutschov, Shorov in Groverjev algoritem, kvantna omrežja.
|
Temeljni literatura in viri
|
|
• J. Wolpaw, E. W. Wolpaw: Brain-Computer Interfaces: Principles and Practice, Oxford University Press, 2012
• I. Djordjevic: Quantum information processing and quantum error correction : an engineering approach, Elsevier/Academic Press, 2012.
• J. B. Waldner: Nanocomputers and Swarm Intelligence, Wiley-ISTE, 2008.
• N. D. Mermin: Quantum Computer Science: An Introduction, Cambridge University Press, 2007.
• R. Merletti, P. A. Parker: Electromyography: Physiology, Engineering, and Non-Invasive Applications, Wiley, 2004
|
Cilji in kompetence
|
|
Predmet predstavi in povezuje tri alternative klasičnemu računalništvu, ki temelji na Turingovi arhitekturi: nevroračunalništvo, nanoračunalništvo in kvantno računalništvo. |
Predvideni študijski rezultati - znanje in razumevanje
|
|
Po zaključku tega predmeta bo študent sposoben
• razumeti in reproducirati postopke za statistično učenje in ocenjevanje informacij iz živčnih in mišičnih signalov,
• razumeti in ovrednotiti nevromorfna vezja algoritme ter njihovo uporabnost na področju razpoznavanja vzorcev, in biosenzorike,
• razumeti algoritme za nano in kvantno računalništvo, ovrednotiti njihovo praktično uporabnost in dojeti njihove prednosti in slabosti v primerjavi s klasičnimi algoritmi.
|
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
|
|
• Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, priprava in javna predstavitev raziskovalnega projekta, ustni izpit.
• Uporaba informacijske tehnologije: uporaba programskih orodij in naprav za načrtovanje in razvoj izpopolnjenih postopkov za nevromorfno računalništvo, kriptografijo, nano in kvantno računalništvo.
• Delo v skupini: skupinsko raziskovalno delo.
• Reševanje problemov: načrtovanje in izvedba projekta.
|
Metode poučevanja in učenja
|
|
• predavanja,
• seminarske vaje,
• projekt,
• laboratorijske vaje,
• reševanje domačih nalog.
|