Наредни састанак Семинара биће одржан у уторак, 18. марта 2025. године, у сали 301ф Математичког института САНУ са почетком у 14.15.

Предавач: Петар Луковац, Александар Јоксимовић, Универзитет у Београду – Факултет организационих наука

Наслов предавања: MODELING SMART APICULTURE ECOSYSTEM: AN ONTOLOGY-BASED APPROACH

Апстракт: The introduction of smart devices has proven its value in improving efficiency in ecosystems by introducing remote real-time monitoring and data sharing between stakeholders. This paper presents a model of a smart apiculture ecosystem that uses ontology at its core. The apiculture domain is chosen for its essential role in the global food market and both direct and indirect impact on the majority of agricultural domains. The research goal is to provide an approach to modeling multidomain smart ecosystems. To achieve this, a domain-specific ontology is created, as an extension to SSN ontology. Based on the created ontology, an ecosystem is created, as well as a model for smart apiary IT platform. The used process and the created model bring towards standardization of data in agricultural domain and provides a framework for future development.

Напомена: Предавања на Семинару се снимају и преносе уживо преко MITEAM платформе. Све информације могу се наћи на страници: https://miteam.mi.sanu.ac.rs/asset/qGapAHyEBad2FDwXR
До оспособљавања MITEAM платформе, предавања ће се снимати и прености преко Zoom линка:
https://zoom.us/j/98882244385?pwd=J7mQbPGOBu0hGUHW2jnYM5jiblObMc.1
Meeting ID: 988 8224 4385
Passcode: 662305

Наредни састанак Семинара биће одржан у среду, 12. марта 2025, у сали 301ф Математичког института САНУ са почетком у 12 часова.

Предавач: Проф. др Жарко Мијајловић, Универзитет у Београду – Математички факултет

Наслов предавања: РАЗГОВОРИ СА AI О СВЕМИРУ И ПРИДРУЖНИМ ТЕМАМА

Апстракт: У предавању преставићемо неколико разговора са AI о феноменима везаних за космос, али и о томе колико AI може да допринесе развоју науке и генерално целе људске цивилизације. Видећемо и да AI на захтев може да наведе изворе и референце на основу којих је припремила одговоре. Разговор је водио Александар Мијајловић са AI моделом ChatGPT.

Напомена: Семинар је могуће пратити на даљину путем линка:
https://zoom.us/j/93567463741?pwd=9PW0cazWok4XKOOxkfmZhB5LilaCec.1
Meeting ID: 935 6746 3741
Passcode: 435099

Наредни састанак Семинара биће одржан у петак, 14. марта 2025. године, у сали 301ф Математичког института САНУ са почетком у 14.15. У питању је заједнички састанак са Семинаром за логику.

Предавач: Славко Моцоња,Универзитет у Београду-Математички факултет

Наслов предавања: ВОТОВА И МАРТИНОВА ХИПОТЕЗА ЗА ТЕОРИЈЕ ЛИНЕАРНИХ УРЕЂЕЊА

Апстракт: Вотова хипотеза тврди да потпуна теорија првог реда на пребројивом језику, до на изоморфизам и независно од континуум хипотезе, има или највише пребројиво много или континуум много пребројивих модела. Мартинова хипотеза је јаче тврђење које каже да под условом да теорија има мање од континуум много пребројивих модела, онда је L_1(T)-теорија сваког пребројивог модела пребројиво категорична, где је L_1(T) најмањи пребројив фрагмент L_{𝜔_1,𝜔} који садржи фрагмент првог реда и коњункције потпуних типова у Т. На предавању ћемо дати преглед резултата који иду у прилог ове две хипотезе; приказаћемо и новије резултате за слабо о-минималне теорије из заједничног истраживања са Предрагом Тановићем.

Напомена: Предавање се може пратити на даљину преко линка Одељења за математику:
https://miteam.mi.sanu.ac.rs/asset/WbsehnSL4ZeTPJo6r

Наредни састанак Семинара биће одржан онлајн у среду, 19. марта 2025. године, са почетком у 19 часова.

Предавач: Ана Ковачевић, Универзитет у Београду, Факултет безбедности

Наслов предавања: ТАМНА СТРАНА ГЕНЕРАТИВНЕ ВЕШТАЧКЕ ИНТЕЛИГЕНЦИЈЕ

Апстракт: Генеративна вештачка интелигенција (ГВИ) имплементирана је у бројним индустријама. Обезбеђивање безбедности и отпорности ГВИ система кључно је за њихову ефикасну употребу, посебно у осетљивим областима. Од почетних фаза ГВИ система били су препознати ризици, а са њиховим напретком расте потреба за дубљим разумевањем и идентификовањем могућих злоупотреба и рањивости. На основу истраживања реалних случајева злоупотреба ГВИ система уочено је да су експлоатисане лако доступне функционалности које захтевају минимално техничко знање, што представља значајан ризик за безбедност информационог екосистема. Поред злоупотребе основних функционалности самих ГВИ система, поједини напади искоришћавају рањивости модела, попут супарничких напада, jailbreaking-а, екстракције података и инверзије модела. У презентацији ће бити приказани реални примери случајеви злоупотребе и напади на ГВИ системе, као и нека од могућих решења.

Напомена: Регистрациона форма за учешће и линк за активно праћење предавања за регистроване кориснике (након логовања):
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p

Нерегистровани корисници могу да прате предавања на овом линку (без могућности активног учешћа):
https://miteam.mi.sanu.ac.rs/call/hR9vL94nD6QE8qQZj/xET9GcPMyR08nqH8lnS3SE7N5Vf00H7Lp9EBhsv6Lti

До оспособљавања MITEAM платформе, предавања ће се снимати и прености преко Zoom линка:
https://zoom.us/j/93728578513?pwd=90WFVRVdY5Nwb67mbqff6Rhi2zX5f1.1
Meeting ID: 937 2857 8513
Passcode: 040504

Наредни састанак Семинара биће одржан у уторак, 11. марта 2025. године, у сали 809 Математичког факултета са почетком у 18 часова.

Предавач: Др Матеја Бошковић, постдокторант, DESY, Хамбург, Немачка

Наслов предавања: BINARY BLACK HOLES AS PROBES OF ULTRA-LIGHT PARTICLES

Наредни састанак Семинара биће одржан у уторак, 11. марта 2025. године, у сали 301ф Математичког института САНУ са почетком у 14.15.

Предавач: Filip Vidojević, Faculty of Mathematics, University of Belgrade

Наслов предавања: SKEWED VARIABLE NEIGHBORHOOD DECOMPOSITION SEARCH ALGORITHM FOR THE HYBRID FLOW SHOP SCHEDULING PROBLEM

Апстракт: Hybrid Flow Shop (HFS) scheduling plays a crucial role in industries such as glass, steel, paper, and textiles, where optimizing machine utilization directly influences productivity. This paper introduces a novel approach that integrates Skewed Variable Neighborhood Search (SVNS) to minimize makespan, leveraging its adaptive exploration and strategic job sequencing to enhance scheduling efficiency. A key innovation of our method is a specialized encoding scheme that strategically allows jobs to wait, even when machines are available, to enable better sequencing decisions. This mechanism not only improves solution quality but also permits a natural decomposition of the scheduling problem, leading to more balanced machine workloads. By leveraging the flexibility of VNS alongside this tailored encoding, our approach significantly enhances scheduling efficiency. Experimental results confirm its effectiveness, outperforming existing methods in makespan reduction.

This research was conducted in collaboration with Dušan Džamić, Andrijana Džamić, and Miroslav Marić.

Напомена: Предавања на Семинару се снимају и преносе уживо. Све информације могу се наћи на страници
https://miteam.mi.sanu.ac.rs/asset/qGapAHyEBad2FDwXR

Наредни састанак Семинара биће одржан онлајн у среду, 5. марта 2025. године, са почетком у 19 часова.

Предавач: João Pedro Carvalho Leal Mendes Moreira, Faculdade de Engenharia da Universidade do Porto (FEUP)

Наслов предавања: AN ENSEMBLE OF AUTONOMOUS AUTO-ENCODERS AS A CLASSIFIER FOR HUMAN ACTIVITY RECOGNITION

Апстракт: Human Activity Recognition is a machine learning task that uses sensing technology to classify human activities and infer human behavior. While traditional machine learning approaches use hand-crafted features to train their models, recent advancements in neural networks allow for automatic feature extraction. Auto-encoders are a type of neural network that can learn complex data representations and are commonly used for anomaly detection. In this work, we propose a novel multi-class algorithm comprising an ensemble of auto-encoders, with each auto-encoder associated with a unique class. We tested the proposed approach in human activity recognition data. Experimental results show that auto-encoder ensembles can be efficient, robust, and competitive with traditional classification approaches. Moreover, this modular classifier structure allows for more flexible models. For example, the number of classes can be extended by including new auto-encoders without retraining the whole model.

Напомена: Регистрациона форма за учешће и линк за активно праћење предавања за регистроване кориснике (након логовања):
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p

Нерегистровани корисници могу да прате предавања на овом линку (без могућности активног учешћа):
https://miteam.mi.sanu.ac.rs/call/hR9vL94nD6QE8qQZj/xET9GcPMyR08nqH8lnS3SE7N5Vf00H7Lp9EBhsv6Lti