MISANU

PROGRAM

Predavanja možete pratiti i online putem MITEAM stranice Seminara iz veštačke inteligencije:
https://miteam.mi.sanu.ac.rs/asset/DPP9i2jhvYzp8dmRe

Plan rada Seminara iz veštačke inteligencije za APRIL 2025.

Sreda, 02.04.2025. u 19:00, Online
Dragutin Ostojić, Prirodno-matematički fakultet, Univerzitet u Kragujevcu
POLINOMIJALNI REGRESIONI MODEL ZA STANDARDIZACIJU INSTANCI P||CMAX PROBLEMA VELIKE PRECIZNOSTI
Ovo istraživanje predstavlja napor da se standardizuje dobro poznata grupa testnih instanci, označenih kao „𝐵 instance“, koje se koriste za ocenjivanje rešavača za klasični problem raspoređivanja zadataka na identične procesore, tzv. 𝑃||𝐶𝑚𝑎𝑥 problem koji koriste formulaciju pomoću problema particionisanja brojeva na više delova (Multi-Way Number Partitioning, MWNP). Prvobitno predložene u (Korf, 1998), 𝐵 instance su definisane za konfiguraciju od tri mašine (𝑚 = 3), i odnose se na raspoređivanje do 100 zadataka (𝑛 ≤ 100), pri čemu vremena obrade zadataka (preciznosti) 𝑝𝑖 ∈ 𝑈 [1, 10⁵]. Karakteriše ih mali broj mašina i velika, ravnomerno raspoređena, vremena obrade zadataka. Vremenom, ove instance su evoluirale kako bi obuhvatile razne varijacije u broju mašina, broju zadataka i granicama za vremena obrade, što je dovelo do najobimnijeg objavljenog skupa podataka (Schreiber & Korf, 2014). Ovaj skup podataka je bio od ključne važnosti za mnoga dosadašnja istraživanja vezana za 𝑃||𝐶𝑚𝑎𝑥 problem. Danas, sa napretkom rešavača, javlja se potreba za proširenjem i standardizacijom ovog skupa, koje sa sobom nosi različite izazove.
Da bismo osigurali uključivanje svih značajnih skupova ove vrste iz postojeće literature, predložili smo prošireni standardizovani skup podataka prateći formulaciju iz (Ostojic et al., 2024). Ovaj obimni skup dovodi do ključnih problema:

Računarski zahtevi: Ukupan potreban vremenski resurs za testiranje ovog broja instanci je značajan, naročito za egzaktne rešavače.
Lakoća: Mnoge instance su veoma jednostavne za većinu rešavača, što umanjuje fokus na one koje predstavljaju pravi izazov.
Rast veličine skupa: Veličina skupa podataka brzo raste sa povećanjem maksimalnih vrednosti 𝑛, 𝑚 ili veličine intervala za vremena obrade zadataka (𝑐𝑙𝑎𝑠𝑠), što će verovatno biti nastavljeno sa razvojem rešavača i računarske snage.

U predavanju ćemo se baviti prevazilaženjem ovih izazova redukujući standardizovani skup 𝐵 instanci tako da obuhvata većinu varijacija pronađenih u literaturi, sa posebnim fokusom na izazovne instance. Kao najadekvatniji alat za postizanje ovog cilja izabran je polinomijalni regresioni model.
Ovo istraživanje sprovedeno je u saradnji sa dr Kristin Zarges sa Univerziteta u Aberistvitu u Ujedinjenom Kraljevstvu.

Sreda, 09.04.2025. u 19:00, Online
Đorđe Jovanović, Mathematical Institute SASA
ML-BASED BOTNET DETECTION SYSTEM USING TIME SERIES CHARACTERISTICS
Botnets represent a class of computer viruses where a malicious attacker uses a network of infected devices for malicious purposes (DDoS attacks, identity theft, Instagram popularity). With the advent of botnets that target IoT devices, such as Mirai, nowadays even more devices can be easily infected, since they do not possess security capabilities on their own. Therefore, the protection of such devices must be managed from another part of the network. The main question this lecture tries to answer is: can a real-time ML-based security system, which would leverage main characteristics of botnet communication and be as memory efficient as possible, be made? Over a period of four years, live samples of botnet viruses of class Mirai and Gafgyt have been collected, in order to find the common denominator of CnC botnet communication. Afterwards, various ML-pipelines were tested for performance, and a series of experiments demonstrating zero-day attack capabilities was performed. In the end, a feasibility study of performance of an ML-based system in real-time conditions was given.

Sreda, 16.04.2025. u 19:00, Online
Veljko Prodanović, Luka Vinokić, Istraživačko-razvojni Institut za Veštačku Inteligenciju Srbije
GREEN AI: ISTRAŽIVANJE I PRIMENA MAŠINSKOG UČENJA ZA ODRŽIVI RAZVOJ
Institut za veštačku inteligenciju Srbije (https://ivi.ac.rs/) aktivno razvija istraživačke i primenjene projekte u okviru svoje grupe Green AI (grupa za zelene tehnologije u veštačkoj inteligenciji), koja se bavi korišćenjem veštačke inteligencije u svrhu održivog razvoja, efikasnog korišćenja resursa i zaštite životne sredine. U prvom delu prezentacije biće predstavljene ključne aktivnosti i dosadašnji projekti ove istraživačke grupe, kao i njen značaj za razvoj održivih tehnoloških rešenja u Srbiji i šire.
Drugi deo izlaganja biće posvećen projektu DrinaAI, čiji je cilj razvoj naprednih algoritama mašinskog učenja za prognozu protoka vode u hidroenergetskom sistemu reke Drine. U cilju unapređenja upravljanja ovim sistemom, razvijen je automatizovani sistem za prognozu dnevnih dotoka primenom veštačke inteligencije. Sistem obuhvata prikupljanje i obradu meteoroloških i hidroloških podataka, kao i primenu modela mašinskog učenja za prognozu dotoka i protoka na više profila u slivu Drine i Lima. Ovakva predikcija omogućava bolje planiranje proizvodnje, upravljanje akumulacijama i smanjenje rizika od poplava. Kroz ovaj projekat, Green AI nastoji da poveže veštačku inteligenciju sa kritičnim aspektima energetske održivosti, doprinoseći razvoju pametnijih i ekološki prihvatljivijih sistema upravljanja prirodnim resursima.

Sreda, 23.04.2025. u 19:00, Online
Ľubomír Antoni, Pavol Jozef Šafárik University in Košice, Faculty of Science, Institute of Computer Science, Slovakia
ANALYSIS OF BIOMEDICAL SIGNALS BY MACHINE LEARNING METHODS
The analysis of biomedical signals, such as electroencephalography (EEG), electrocardiography (ECG), and phonocardiography (PCG), by machine learning methods contain valuable physiological information that can be used for disease diagnosis, patient monitoring, and treatment optimization. The PhysioNet Challenge is an annual competition organized by PhysioNet and Computing in Cardiology (CinC) that focuses on solving critical problems in biomedical signal processing and machine learning. In this contribution, we present our solutions and experiences for several years of this competition and discuss the challenges, methodologies, and insights gained from analyzing biomedical signals using machine learning techniques and their connections with Formal concept analysis.

Sreda, 30.04.2025. u 19:00, Online
Boldizsár Tüű-Szabó, Széchenyi István University, Department of Information Technology, Győr, Hungary
FUZZY AND TIME-DEPENDENT APPROACHES FOR ROUTE OPTIMIZATION AND TRAVELING SALESMAN PROBLEMS
Route optimization in dynamic environments presents significant challenges due to traffic fluctuations, congestion, and uncertain conditions. This talk explores advanced variations of the Traveling Salesman Problem (TSP) and route optimization, incorporating fuzzy logic and time-dependency to better model real-world scenarios. We introduce the Triple Fuzzy Time-Dependent TSP (3FTD TSP) and Intuitionistic Fuzzy Time-Dependent TSP (IFTD TSP), which extend traditional formulations by incorporating fuzzy and intuitionistic fuzzy sets to handle uncertainties in travel costs, congestion areas, and rush hour effects. Additionally, we discuss an Interval-Valued Fuzzy Soft Set approach for route optimization under road uncertainties, providing a practical method for handling non-deterministic travel conditions. Lastly, we present a framework utilizing Triangular Fuzzy Numbers (TFNs) for traffic-aware route planning, integrating historical data and real-time updates to improve decision-making in urban traffic management. These models, solved using the Discrete Bacterial Memetic Evolutionary Algorithm (DBMEA) and other heuristic techniques, demonstrate promising results for real-world applications.

Ovaj onlajn seminar nastao je kao nastavak sastanka "Serbian AI Meeting" i zamišljen je da na njemu istraživači iz Srbije i iz dijaspore, kao i istraživači sa univerzteta, naučnih instituta i iz prakse predstavljaju naučne teme i rezultate iz oblasti veštačke inteligencije.
Link za svako pojedinačno predavanje biće dostavljen dan pre održavanja predavanja.

Andreja Tepavčević
Rukovodilac seminara

Biljana Stojanović
Sekretar seminara