БЪЛГАРСКА АКАДЕМИЯ НА НАУКИТЕ

Основната цел на курса е да запознае слушателите с диференциалната геометрия на криви и повърхнини в 3-мерното пространство на Минковски. В началото на курса се въвеждат основните понятия, свързани с метриката в пространство на Минковски, като се разглеждат подробно пространствено-подобни, време-подобни и светлинно-подобни вектори и подпространства с техните свойства. Специално внимание се отделя на видовете изометрии в пространство на Минковски. Въвежда се триедър на Френе за различните видове криви и се извеждат формулите на Френе. Изучават се планарни криви с постоянна кривина. Разглежда се локалната теория на пространствено-подобни и време-подобни повърхнини и се въвеждат понятията средна кривина и Гаусова кривина за такива повърхнини. Дава се класификация на пространствено-подобни и време-подобни омбилични повърхнини. Разглеждат се трите вида ротационни повърхнини в пространство на Минковски.

Класическа диференциална геометрия в Евклидово пространство.

Основната цел на курса е да се въведат класовете на Чърн на комплексните векторни разслоения в термините на формите на кривината като се използва подхода на Чърн-Вейл. В началото на курса се излагат основни факти за векторните разслоения. Подробно се разглеждат понятията за свързаност върху векторно разслоение и кривина на свързаност. Специално внимание се отделя на холоморфните векторни разслоения. Разглеждат се хиперплоското и универсалното разслоения, като се изчисляват техните пространства от холоморфни сечения, както и формите им на кривината относно свързаността на Чърн. Прави се кратък преглед на теорията на кохомологиите на де Рам и класовете на Чърн се въвеждат като елементи на тези кохомологии. Накрая се пресмятат класовете на Чърн на някои конкретни разслоения.

Основни факти за гладките и комплексни многообразия.

1. Ф. Гриффитс, Дж. Харрис, Принципы алгебраической геометрии, Москва, Мир, 1982.
2. Дж. Милнор, Дж. Сташеф, Характеристические классы, Москва, Мир, 1979.

Курсът е предназначен за докторанти и магистри по научните специалности "алгебра", "диференциални уравнения" и "теоретична и математическа физика". Неговата задача е да изложи теорията на простите алгебри на Ли с цел докторантът да може свободно да работи с техните базиси на Картан-Вайл, както и да усвои основните понятия: корневи и теглови системи, свойства и построяване на крайномерните неприводими представяния. Следващата цел е построяването на градуирани алгебри на Ли и свързаните с тях алгебри на Кац-Муди. Тези знания са основни в редица раздели на съвременната математика и теоретична физика. На тях се базират съвременните подходи към един специален клас нелинейни частни диференциални уравнения, известни още като солитонни уравнения. Те намират приложения в такива важни раздели на физиката като нелинейната оптика, хидродинамиката, физика на плазмата, конденсат на Бозе-Айнщайн и др. Тези уравнения могат да се интерпретират и като безкрайномерни напълно интегрируеми Хамилтонови системи. На тяхната теория е посветен следващият курс.

Съвременните научни изследвания силно зависят от анализа на данни. За тази цел събирането и обработката на все повече качествени експериментални данни придобива особена важност. Липсата на познания и знания и умения в работата с данни често могат да подложат на изпитание и провалят всеки съвременен научен експеримент. Затова целта на този курс ще бъде насочена за подготовка на докторанти физика,химия, биология и науки за земята, икономика и социология за работа с данни, тяхната точната класификация, обратка и основните методи за анализ. Курсът се състой от обяснителни лекции и практични компютърни упражнения на R. Курсът ще бъде разделен на следните теми:
- Типове данни, вероятност и вероятностни разпределения. Основни понятия. 5+4 часа
- Оценки и доверителни интервали. Риск. 2+2 часа
- Параметрични и непараметрични тестове. 2+2 часа
- Времеви редове 3+3 часа
- Линейна и GLM регресиии. 3+3 часа
- Дисперсионен анализ. Клъстеризации. 2+2 часа
- Подготовка на експеримента и качество на данни. Откриване и премахване на Outliers. 2+2 часа
- Автоматизирани статистически пресмятания. 0+1 час
- Тематична работа. Изпит.

The dependence of contemporary scientific research on data is growing quickly. For this reason the importance of high quality data acquisition and processing of experimental data is critically crucial. The lack of knowledge and experience could put in challenge and to fail every scientific experiment nowadays. For this reason this course is focused on teaching of graduate students in physics, chemistry, biology, earth science, economics and sociology for work with real data, their classification, processing and the main methods for analysis. The classes consist of explanatory lectures and practical computer exercises with R. The main topics are:
- Data types, probability and main distributions. Basic topics. 5+4 hours
- Estimates and intervals. Risk. 2+2 hours
- Parametric and non-parametric tests. 2+2 hours
- Time series 3+3 hours
- Linear and GLM regression. 3+3 hours
- Dispersion analysis. Clustering. 2+2 hours.
- Experiment preparation and data quality. Detection and removal of outliers. 2+2 hours.
- Automatic statistical computations. 0+1 hours
- Tematic work. 1+1 hours.

Програмиране на R (предимство, не е задължително)

Edward W.Frees; Regression Modeling with Actuarial and Financial Applications. (1993)
George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel; Time Series Analysis, (1970)
Ton J. Cleophas, A. H. Zwingerman, et.al.; Statistics Applied To Clinical Trials, (2009)
Robert I. Kabacoff ; R in Action; (2011)

Ше бъдат представени някои аспекти от теорията на апроксимациите с полиноми и с рационални функции в комплексната равнина: апроксимации с фиксирани и със свобoдни полюси, най-добри Чебишеви апрoксимации и апроксимации в L(р)-метриките, p > 0. Целта е получаването на критерии в термините на апроксимиращите функции за характера на холоморфното/мероморфно продължение на апроксимираните функции. Специално внимание ще бъде отделено на апроксимациите на Pade' - класически и съвременни (апроксимации на Pade, на Hermite-Pade' и Lagrange-Pade') , като приложението им ще бъде илюстрирано с числени примери.

Необходими предварителни знания: Комплексен анализ, теория на потенциала.

Препоръчана литература:

1. J.L.Walsh, Approximation by Rational Functions in the Complex Plane, Am. Math. Soc. Colloq. Pub., Vol. 20. Springer, Berlin (1969).
2. E.B.Saff, V.Totik, Logarithmic Potentials with External Fields. Springer, Heidelberg (1997).
3. O. Perron, Die Lehre von den Kettenbruechen, Berlin Stuttgart, Teubner Verlag, 1929.
Also articles by H. Stahl, S.P. Suetin., A. Aptekarev and А. Martinez-Finkelstein.

An introduction in the topic of the approximation by rational functions will be provided: approximation of analytic/meromorphic functions on compact sets in the complex plane and characterization of their continuation in terms of the used approximants. Also, Pade approximation will be introduced – classical Pade approxmants and Hermite-Pade approximants, and applications in the physics and numerical analysis will be demonstrated.

Previous knowledge in complex analysis, and in potential theory needed.

References:

1. J.L.Walsh, Approximation by Rational Functions in the Complex Plane, Am. Math. Soc. Colloq. Publ., vol. 20. Springer, Berlin (1969)
2. E.B.Saff, V.Totik: Logarithmic Potentials with External Fields. Springer, Heidelberg (1997)
3. O. Perron, Die Lehre von den Kettenbruechen, Berlin Stuttgart, Teubner Verlag, 1929.
аnd Current articles by H. Stahl, S.P.Suetin., S.A.Aptekarev and Martinez-Finkelstein.

Курсът е предназначен за докторанти и магистри по научните специалности "диференциални уравнения" и "теоретична и математическа физика". Неговата задача е да изложи метода на обратната задача в теория на разсейването за решаване на нелинейни еволюционни уравнения от солитонен тип. Като примери за тези уравнения могат да служат нелинейното уравнение на Шрьодингер и уравнението на синус-Гордон, които описват редица явления в нелинейната оптика, физика на плазмата, хидродинамиката и др. Тези уравнения представляват безкрайномерни напълно интегрируеми Хамилтонови системи. Специално внимание се обръща на солитонните решения на тези уравнения. Подробно се описват N-солитонните взаимодействия и асимптотичното поведение на N-солитонните последователности, както за нелинейното уравнение на Шрьодингер, така и за неговите пертурбирани варианти. Курсът предполага основни знания по теория на обикновените диференциални уравнения, теория на аналитичните функции и теория на разсейването.

Курсът се състои от пет модула, които след като запознаят докторантите с някои понятия от основите на компютърните науки като криптография, стеганография, достъпност, бази данни и потребителски опит, са последвани от практически опит с работа върху цифрови исторически бази данни.

The course consists of five modules that introduce students to some basic concepts and essentials of computer science such as cryptography, steganography, accessibility, databases and user experience, followed by a practical experience with working on digital historical databases.

Курсът е насочен към докторанти, които имат нужда от информация за използването на социалните медии за своите изследвания, както и за дисеминация, комуникация и популяризация на своите научни резултати. Курсът ще бъде под формата на практически съвети и демонстрации и ще предостави ноу-хау, което директно може да бъде приложено в реалността.

A doctoral studies course, intended for everyone that would like to learn how to use social media for research purposes, as well as for distribution and popularization of their scientific work and findings. The course would be in the form of practical advice and it will provide know-how that can directly be applied and put in practice in real-life examples.

Целта на курса е да въведе докторантите в основите на организацията на редица извънкласни дейности – олимпиади по математика и информатика, процесите по селекциониране на участниците и провеждане на летни школи, специфичните особености на научните конкурси и панаири за ученици и други.

The aim of the course is to introduce students to the main steps in organizing different extracurricular activities - Olympiads of mathematics and informatics, the selection process and conduct of Summer Research schools, the specific features of Science Fairs and others.

Курсът се стреми да предложи на докторантите професионални познания по публична и дигитална комуникация със специфичен фокус върху разказвачество в социалните медии, с крайната цел те да имат правилните пособия да разкажат най-важното за себе си и изследванията си в различни контексти по динамичен и привлекателен начин.

The workshop aims to provide PhD students with knowledge and professional skills in terms of public speaking, digital communication - with a particular focus on social media and storytelling, with the ultimate aim of providing them with the right tools to tell something about themselves and their research in different contexts (academic and non-academic) in a dynamic and engaging way.

Основната цел на курса е да запознае слушателите с основите на комплексната геометрия от диференциално-геометрична и аналитична гледна точка посредством езика на сноповете и техните кохомологии. Въвеждат се Ермитови и Келерови многообразия и се разглеждат основите на теорията на Ходж. Дискутират се основни примери за такива многообразия и техните Ходж структури

Реален анализ, Комплексен анализ на една променлива, Диференциална геометрия

Усвояване на основни понятия от комплексната геометрия. Придобиване на умения за използване и прилагане на теорията на Ходж към конкретни примери. Запознаване с езика на сноповете и техните кохомологии.

The main goal of this course is to introduce the foundations of Complex Geometry from differential-geometric and analytic viewpoint via the language of sheaves and their cohomology. The course treats Hermetian and Kahler manifolds as well as the foundations of Hodge Theory. This includes basic examples of such manifolds and their Hodge structures.

Real Analysis, Complex Analysis of a single variable, Differential Geometry

Command of the main notions of Complex Geometry, ability to apply Hodge Theory to concrete examples, familiarity with the language of sheaves and their cohomology.

Курсът цели да запознае докторантите с класическите резултати в областта на Математическите финанси и новите резултати в областта на Блокчейн технологиите

Изискват се основни познания по математически анализ, оптимизация, и начални понятия в теория на вероятностите.

Предвижда се докторантите да придобият знания и умения за работа и оценка на финансови инструменти и криви на доходност, а също и за разбиране на основните направления в Биткойн технологиите.

The course aims to acquaint doctoral students with the classic results in the field of Mathematical Finance and the new results in the field of Blockchain technologies.

Basic knowledge of mathematical analysis, optimization, and basic concepts in probability theory is required.

PhD students are expected to acquire knowledge and skills for working and evaluating financial instruments and yield curves, as well as for understanding the main directions in Bitcoin technologies.

Курсът цели да представи основни понятия и принципи при разглеждането на езиците за програмиране, развитието на програмните парадигми, както и да даде начални знания за реализацията на езиците за програмиране. Съществено внимание се обръща на процедурното, функционалното, логическото и обектно-ориентираното програмиране.

След завършване на курса докторантите се очаква да са запознати с :
• Знания за основни понятия и принципи при езиците за програмиране;
• Синтаксис и семантика на езиците за програмиране;
• Познаване и възможност за избор на програмна парадигма съобразно областта на заданието;
• Основни понятия в езици за обектно-ориентирано програмиране – клас, обект;
• наследяване, статично и динамично свързване, полиморфизъм.

This course covers the basic concepts and principles of studying programming languages and the development of programming paradigms. It also provides initial knowledge about the usage of programming languages. The course focuses on procedural, functional, logic and object-oriented programming.

At course completion the participants will have knowledge about:
• The main concepts and principles of programming languages;
• The syntax and semantics of programming languages;
• How to choose a programming paradigm based on the topic of the assignment;
• The main concepts of object-oriented programming languages – Objects, Classes, Data Abstraction and Data Encapsulation,
Inheritance, Polymorphism, Dynamic Binding, Message Passing.

Учебният курс цели да запознае докторантите с основните понятия и специфичните предизвикателства при разработка, доставка и експлоатация на софтуерни продукти в облачна среда. Изучава се архитектурата на облачните технологии, както и програмния модел на Cloud приложенията. Обръща се внимание на Големите данни (Big Data), тяхната обработка и ролята им в решаването на бизнес предизвикателства.

Знания и умения за прилагане на технологии за представяне и управление на знания в бизнес информационни системи. След завършване на курса докторантите се очаква да са запознати с:
• Терминологията и концепциите в облачните технологии;
• Архитектура на компютърни облаци;
• Програмен модел на cloud приложенията;
• Изграждане на цялостно cloud приложение;
• Разработка, пакетиране, инсталация и обновяване на софтуерни приложения в публичен облак;
• Сигурност в облака;
• Достъп и обработка на големи данни в паметта от Облачни приложения.

This course covers basic concepts and specific challenges of developing, delivering and using software products in cloud environment. It explores the architecture of cloud technologies, as well as the programming model of cloud applications. The course also covers Big Data, Big Data processing and its role in solving business challenges.

After completing the course, one will be familiar with:
• Terminology and concepts of cloud technologies;
• Cloud computing architecture;
• Programming model of cloud applications;
• Building a complete cloud application;
• Developing, packaging, installing and updating software applications in a public cloud;
• Cloud security;
• Accessing and processing Big Data in Cloud application.

Учебният курс има за цел въвеждане в теорията на паралелното програмиране. Курсът представя широко използвани стандарти и програмни интерфейси за паралелизиране на алгоритми, сред които MPI (Message Passing Interface), CUDA (Compute Unified Device Architecture), OpenMP (Open Multi-Processing) и др. Прави се сравнение между различните платформи, като се анализират дизайните на алгоритми, подходящи за паралелизация. Прави се оценка на ефективността и ускорението на паралелни имплементации.

Базови познания в рамките на стандартните университетски курсове по алгоритми.
Базови знания по програмиране на C/C++ или Fortran.

Знания и умения за разработване на паралелни програми чрез различни програмни интерфейси. Умения за оценяване на ефективността на паралелен алгоритъм.

The course aims to introduce the theory of parallel programming. It presents widely used standards and software interfaces for parallelization of algorithms, including MPI (Message Passing Interface), CUDA (Compute Unified Device Architecture), OpenMP (Open Multi-Processing) and others. A comparison is made between the different platforms, analysing the designs of algorithms suitable for parallelization. The efficiency and acceleration of parallel implementations are evaluated.

Basic knowledge within the standard university courses in algorithms.
Basic knowledge of C / C ++ or Fortran programming.

Knowledge and skills for developing parallel programs through different programming interfaces. Skills to evaluate the effectiveness of a parallel algorithm.

Учебният курс има за цел въвеждане в теорията на комбинаторните алгоритми и приложението им в теория на кодирането. Курсът представя основни алгоритми и алгоритмични стратегии. Представени са задачи за комбинаторни обекти и кодове (генериране и изоморфизъм) и свеждането на някои от тях към задачи за двоични матрици.

Базови познания в рамките на стандартните университетски курсове по дискретни структури.

Знания и умения за анализиране на сложността на алгоритми.
Знания за алгоритми, свързани с линейни и нелинейни кодове и връзката им с комбинаторни обекти.
Умения за прилагането на алгоритми за решаване на задачи за генериране и изоморфизъм на комбинаторни обекти и свеждането им до задачи за изоморфизъм на двоични матрици.

The course aims to introduce the theory of combinatorial algorithms and their application in coding theory. It presents basic algorithms and algorithmic strategies. Problems for combinatorial objects and codes (generation and isomorphism) and the reduction of some of them to problems for binary matrices are presented.

Basic knowledge within the standard university courses in discrete structures.

Knowledge and skills to analyse the complexity of algorithms.
Knowledge of algorithms related to linear and nonlinear codes and their relationship to combinatorial objects.
Skills for the application of algorithms for solving problems for generating and isomorphism of combinatorial objects and reducing them to problems for isomorphism of binary matrices.

Курсът предоставя възможността да се разбере какво представлява компютърното зрение, както и неговата мисия да кара компютрите да виждат и тълкуват света като хората. Курсът обхваща ключови елементи, на които се базира компютърното зрение. Темите включват запознаване с основните понятия в областта, сферите на приложение, приликите с принципите на работа на човешкото зрение, както и отликите с процесите на обработка на изображения. Разглеждат се основните алгоритми за получаване на качествени изображения, както и базовите операции по откриване на различни видове области на интерес и разпознаване на обекти (без прилагане на машинно самообучение).

Предпоставки за навлизане в областта са базови знания по вероятности, статистика, линейна алгебра, теория на сигналите. Познаването на езици за програмиране като Python и MATLAB са от полза.

Успешното завършване на курса ще позволи на обучаемите:
• да разберат какво представлява компютърното зрение и неговите цели;
• да се запознаят с някои от ключовите области на приложение на компютърното зрение;
• да усвоят процеса на обработка на изображения, откриване на области на интерес и разпознаване на обекти;
• да прилагат математически техники за изпълнение на задачи за компютърно зрение.

The course provides an opportunity to understand what computer vision is, as well as its mission to make computers see and interpret the world as humans. The course covers key elements on the basis of the computer vision. The topics include introduction to the basic concepts in the field, areas of application, similarities with the principles of human vision, as well as differences with the processes of image processing. The basic algorithms for obtaining quality images are considered, as well as the basic operations for detecting different types of areas of interest and object recognition (without applying machine learning).

Basic knowledge of probabilities, statistics, linear algebra, signal theory. Knowledge of programming languages such as Python and MATLAB is useful.

Successful completion of the course will allow PhD students to:
• understand what computer vision is and the goals of the computer vision;
• to get acquainted with some of the key areas of application of computer vision;
• to master the process of image processing, discovering the areas of interest and object recognition;
• apply mathematical techniques to perform computer vision tasks.

Курсът запознава с основните принципи на функциониране на самообучаващите се интелигентни системи, както и с множество базови подходи в областта на машинното самообучение. Изучават се основните стъпки в процеса на откриване на знания от данни, както и различните базови алгоритми, използвани за решаване на задачи от областта на подготовката и преобразуването на данни; от сърцевидната част на целия процес – извличането на закономерности от данни; както и при оценката и представянето на получените резултати.

Необходими са базови знания по структури от данни, теория на вероятностите и математическа статистика.

Успешното завършване на курса ще даде на обучаемите:
• знания за основните подходи и методи, които се използват в съвременните интелигентни софтуерни системи;
• знания за базовите алгоритми, реализиращи тези подходи, както и умения за тяхното прилагане;
• знания за основните методи за оценяване на алгоритми за решаване на задачи от областта на машинното самообучение и извличането на закономерности от данни;
• умение за провеждане на цялостен процес на откриване на знания при решаването на конкретна задача.

The course introduces the basic principles of operation of self-learning systems, as well as many basic approaches in the field of machine learning. The main steps in the process of discovering data knowledge are studied, as well as the various basic algorithms used to solve problems in the field of data preparation and transformation; the extraction of regularities from data; as well as the evaluation and presentation of the obtained results.

Basic knowledge of data structures, probability theory and mathematical statistics.

Successful completion of the course will give PhD students:
• knowledge for the basic approaches and methods used in intelligent software systems;
• knowledge for the basic algorithms for implementing these approaches, as well as skills for their application in practical domain;
• knowledge for the basic methods for evaluating problems solving algorithms in the field of machine learning and extracting regularities from data;
• ability to conduct a comprehensive process of discovering knowledge in a specific practical task.

Учебният курс цели запознаване със спецификите на системи за управление на цифрово съдържание, техни базови и специализирани компоненти и услуги, моделиране на архитектурни решения и функционалности, технологии и езици за изграждане, Web 2.0, Cloud computing и др.

Знания и умения за проектиране и разработване на архитектура и функционалности в системи за управление на цифрово съдържание. След завършване на курса докторантите се очаква да могат да:
• Разработват базови услуги за анотиране и семантично индексиране, достъп, търсене и управление на информационни обекти и съдържание в цифрови библиотеки;
• Разработват специализирани услуги за анализ, синтез, агрегиране, интелигентно куриране, персонализиране и адаптиване на информационни обекти и съдържание в цифрови библиотеки;
• Проектират модели за оперативна съвместимост на различни нива между системи за управление на цифрово съдържание;
• Разработват Web 2.0 услуги в системи за управление на цифрово съдържание;
• Реализират семантично-ориентирано представяне на данни в системи за управление на цифрово съдържание чрез технологии и средства на Семантичния уеб.

The goal of the course is to provide specific knowledge for systems that process digital content, their basic or specific components and services, the development of architectural solutions and functionalities, technologies and programming languages, Web 2.0, Cloud computing, etc.

• Development of basic services for annotation and semantic indexation, access, search and management of digital objects and digital libraries content.
• Development of services specifically designed for analysis, aggregation, curation and management of digital objects in digital libraries.
• Design of models for interoperable compatibility on multiple levels of different systems for managing digital content.
• Development of Web 2.0 services for management of digital content.
• Implementation of the sematic-oriented presentation of data in systems that manage digital content with technologies and means of the semantic web.

Учебният курс цели запознаване с основните алгоритми за машинно самообучение – алгоритъм FIND-S, класификационни дървета, генетични алгоритми, невронни мрежи, теорема на Бейс, к най-близки съседи и др.

Знания и умения за използване на различни алгоритми за машинно самообучение. След завършване на курса докторантите се очаква да могат:
• Прилагане на различни алгоритми за машинно самообучение;
• Разпознаване кога и при какви условия да се приложи съответният алгоритъм;
• Оценка на приложения алгоритъм;
• Оценка на точността на хипотеза;
• Сравнение на точността на хипотеза.

The goal of the course is to provide knowledge for the main machine learning algorithms – FIND-S algorithm, classification trees, genetic algorithms, neural networks, Bayesian theorem, k-nearest neighbours, etc.

• Application of different machine learning algorithms
• Ability to assess which algorithm should be applied
• Evaluation of the applied algorithm
• Evaluation of the correctness of the hypothesis
• Comparison of the correctness of the hypothesis

Темите, които този курс покрива включват преглед на алгоритмичните приложения на теория на вероятностите, линейни влагания на Джонсън-Линденщраус (Linear Johnson-Lindenstrauss – LJL) и техните приложения, compressive sensing в сублинейно време и бързи апроксимации на функции на много променливи.

Знания и умения за използване на различни алгоритми за големи данни. След завършване на курса докторантите се очаква да:
• Познават съвременните алгоритмични приложения на теория на вероятностите;
• Познават приложенията на влаганията на Джонсън-Линденщраус;
• Познават рандомизираните конструкции на влаганията на Джонсън-Линденщраус;
• Познават основни и съвременни методи за compressive sensing.

The topics of the course include overview of the algorithmic aplications of probability theory, linear Johnson-Lindenstrauss (LJL) Emeddings and their applications, sublinear-time compressive sensing, and fast approximations of functions of many variables

• Understanding of modern algorithmic applications of probability;
• Understanding of the theory behind LJL embeddings;
• Understanding of the randomized constructions of oblivious LJL embeddings;
• Understanding of classic and novel methods for compressive sensing.

От началото на 21 век, в лабораторните изследвания се използват високи технологии позволяващи събирането и получаването на данни да става много по-бързо от времето необходимо за обработка и интерпретиране. Това поставя въпроса как да се визуализират, моделират и предсказват тези данни, с цел изясняване кои част от веригите на ДНК контролират различните химични процеси на живота.
В този 30 часов курс докторантите по биологично насочени интердисциплинни науки ще се запознаят със съществущите генни и протеинни банки в Интернет. Ще научат какви са основните изисквания към тези бази от данни и как те могат да се използват в техните бъдещи изследвания. Използването на динамичните системи и теорията на хаоса заемат основно място в нано-биотехнологиите. Причина за това е, че биологичните процеси, такива като: генната регулация (траскрипция), синтезирането на протеини, взаимодействие между различните молекули и др., са комплексни и се описват с помощта на многомерни динамични системи. Докторантите ще научат как се използват теоретичните модели за изследване, предсказване и интерпретация на биологичните феномени на молекулно и клетъчно ниво.
Прaктическите занятия включват използването на продукта MATLAB за числено решеване на динамични системи и 2D (или 3D) визуализиране на техните решения. Работа в Интернет, чрез извличане на ДНК и РНК вериги от генната банка NCBI (National Center for Biotechnology Information). Обработка на данните с помощта на MATLAB.
С този курс се добиват нови техники и знания за изследване, анализиране и прогнозиране на данни от вериги и клетъчни сигнални пътеки. С тези знания става възможно съвременното разбиране на механизмите на редица тежки заболявания – HIV инфекцията, рака и др.

Този курс от лекции е едно въведение в континуалната механиката на въглеродните наноструктури и биомембраните. Оказва се, че въпреки твърде различна физическа и химическа природа на тези два типа нано-мащабни структури, всяка една от тях може да се разглежда като двумерен еластичен континуум. Това е така, защото се наблюдава, че и двата споменати типа структури имат еластично поведение в широка област и геометрията на атомната или молекулярна им решетка, съответно, остава двумерна в континуална граница дори и след деформирането им вследствие на външни въздействия.
Конкретните проблеми, предвиждани да бъдат разгледани в курса са: механика на двумерен еластичен континуум, чието механично поведение се характеризира с няколко материални константи; аналитично описание на цилиндрични и аксиалносиметрични равновесни форми на въглеродни нано-тръбички и биомембрани, подложени на постоянно хидростатично налягане; равновесни форми на червени кръвни клетки; деформация на инжектирани клетки, прилепнали към плосък твърд субстрат; свръзки на въглеродни нано-тръбички с графинов лист или други въглеродни нано-тръбички.

This lecture course is an introduction to the continuum mechanics of carbon nanostructures and biomembranes. Despite of the different physical and chemical nature of these two types of nano-scale structures, it turns out that each such structure can be regarded as two-dimensional elastic continuum. This is because both of the foregoing structures are observed to exhibit elastic behaviour within a large scale, in continuum limit the geometry of the respective atomic or molecular lattices being two-dimensional even after a significant deformation due to external excitations.
The particular problems envisaged to be addressed in this course are: mechanics of two-dimensional elastic continuum whose mechanical behaviour depends on a few material constants; analytic description of cylindrical and axisymmetric equilibrium shapes of carbon nano-tubes and biomembranes subjected to hydrostatic pressure; equilibrium shapes of red blood cells; deformation of injected cells adhering to flat rigid substrates; junctions of carbon nano-tubes to graphene sheet or to other carbon nano-tubes.

Целта на курса е да запознае с предмета, основите, основните проблеми и задачи от съвременното развитие на био- и хемореологията и хемодинамиката, теоретични и експериментални, физични и математични методи, понятия и модели за анализ на задачи за деформацията при натоварване и течение на биологични материали и течности, в т.ч. и на кръвта и нейните формени елементи, както и факторите и явленията, които ги определят. Целта на курса е да предостави съвременни знания и да подчертае най-големите открития в областта на биореологията, хемореологията и хемодинамиката. Курсистите ще усвоят опит при провеждането на някои типове реологични експерименти, ще анализират биореологичните и хемореологични данни чрез конститутивни модели и изясняват ролята на хемореологичните нарушения за нарушенията на хемодинамиката, както и за епидемиологията и прогнозата при изследването на различни видове заболявания. От друга страна, курсът цели да мотивира бъдещите докторанти да задълбочат изследванията извън рамките на това, което е известно, като реологичните аспекти на агрегацията на червените кръвни клетки, трансмиграцията на белите кръвни клетки в тъканите и активиране на тромбоцитите в условията на срязващо течение, както и предизвикателствата за разработване на експериментални техники, теории, диагностични тестове и терапевтични процедури, допринасящи за изясняване механизмите на тези нарушения чрез подобряване избора на терапевтичен и превантивен подход при болни с различни заболявания.

Курсът ще бъде полезен за докторанти в областта на природните интердисциплинарно ориентирани биологични и медицински науки, както и за изследователите, които желаят да придобият по-богат опит и да провеждат фундаментални изследвания в областта на биореологията, хемореологията и хемодинамиката.

The course aims to provide the subject, fundamentals, major problems and tasks of the modern development of Bio- and Hemorheology and Hemodynamics, theoretical and experimental, physical and mathematical methods, concepts models and analysis tasks for deformation under load and shear flow of biological materials and fluids, including and blood and its formed elements and the factors and processes that define them. The course aims to provide contemporary knowledge and to emphasize the greatest discoveries in the field of Biorheology, Hemorheology and Hemodynamics. Ph D Students will acquire experience in conducting certain types of rheological experiments, analyze biorheological and hemorheological data through constitutive models and clarify the role of hemorheological disturbances for breaches of hemodynamics as well as epidemiology and prognosis in the study of various diseases. On the other hand, the course aims to motivate prospective graduate students to further research beyond what is known as the rheological aspects of aggregation of red blood cells, transmigration of white blood cells in tissues and activation of platelets in a shear flow as and challenges for the development of experimental techniques, theories, diagnostic tests and therapeutic procedures that contribute to elucidate the mechanisms of these disorders by improving the selection of therapeutic and preventive approach in patients with various diseases.

The course will be useful for PhD Students in the field of natural interdisciplinary oriented biological and medical sciences as well as to researchers who wish to acquire a more extensive background and to do fundamental research in the area of biorheology, hemorheology and hemodynamics.

В този курс се разглеждат основните принципи на конститутивното моделиране на инженерни материали, формулирането на техните конститутивни уравнения и тяхното прилагане. Ще се наблегне на избора на конститутивни закони, подходящи за конкретни материали, както и на анализа на техните предимства и ограничения. Конкретните теми включват: моделиране еластичното поведението на материалите (напр. линейна и нелинейна еластичност, еластична анизотропия); хипереластичност и хипоеластичност; теория на пластичността; закони за кохезията и триенето; теория на критичното състояние; неасоциативни модели и деформационно уякчаване; еластопластични модели за гранулирани материали; модели за почви и меки скали; вискозопластичност и др.

This course covers the basic principles of constitutive modelling for engineering materials, the formulation of their constitutive equations and their implementation. Emphasis will be given to the choice of constitutive laws suitable for specific materials, as well as to the analysis of their advantages and limitations. Specific topics will include: elastic modelling (e.g., linear and non-linear elasticity, elastic anisotropy); hyperelasticity and hypoelasticity; equation of the plasticity theory; cohesive-frictional laws; critical state theory; non-associativity and strain-hardening models; elastoplastic models for granular materials; models for cemented soils and soft rocks; viscoplasticity; and so on.

Целта на този курс е да обобщи модерни и ефективни процедури с крайни елементи за анализ на статични и динамични проблеми. Той включва основните използвани формулировки на крайните елементи, ефективното прилагане на тези формулировки в компютърни програми и препоръки за действителното използване на методите в инженерната практика и моделиране на поведението на материала. Курсът е предназначен за докторанти и учени, които искат да решават проблеми с помощта на модерни и ефективни методи на крайните елементи.

The objective in this course is to summarize modern and effective finite element procedures for analyses of static and dynamic problems. It includes the basic finite element formulations employed, the effective implementation of these formulations in computer programs, and recommendations on the actual use of the methods in engineering practice and modelling the material behaviour. The course is intended for doctoral students and scientists who want to solve problems using modem and efficient finite element methods.

Finite Element Procedures for Solids and Structures by Klaus-Jurgen Bathe

В рамките на този лекционен курс докторантите се запознават с основните принципи и правила, заложени в Националното и Европейското патентно законодателство и Закона за авторското право и сродните му права. Придобиват се умения за формулиране критериите, задължителни за наличие на изобретателско решение. Изясняват се практическите особеностите при оформянето на патентните заявки във формат 1. устройства или апарати, 2. методи и подходи и 3. комбинацията метод и устройство. Чрез конкретни примери се илюстрира многообразието от изобретателски задачи и способите за тяхното решаване. Дава се съвременен анализ за психологическата нагласа и предпоставките, пораждащи иновационната хипотеза, нейното съзряване, умението да се прилагат принципите на т.н. "отвъдхоризонтно виждане" и "мозъчната атака", и апробация на крайното решение. Предоставя се подробна информация за спецификата на изобретателския маниер за оценка на научните резултати с цел използването им за създаването на изобретения.
При желание от страна на докторантите да подготвят свои изобретателски заявки, се предвижда консултантска помощ и съдействие от страна на лекторите и екипа на Иновационния център на ИСИР.

Основни теми в Програмата на курса:

• Запознаване с патентното законодателство у нас. Предимства и проблематика.
• Условия за възникване на патентно-защитимо изобретение.
• Основни компоненти на патента.
• Видове патенти: устройства или апарати; методи и подходи и комбинацията метод и устройство.
• Технологии за изобретяване. Психология на т.н. "отвъдхоризонтно виждане"

На докторантите се разясняват уменията и техниките при оформянето на дисертационни трудове. Описват се конкретни начини за формулиране на целите и произтичащите от тях задачи в дисертационния труд. Дават се примери на най-често допусканите грешки и подходите за тяхното преодоляване. Особености при извеждането на приносите в дисертации и научни публикации. Типично допускани грешки и средства за отстраняването им. Публичната защита на дисертационния труд като единство на научна компетентност и сценично поведение и обучителни техники за придобиването им. Диалогът лектор-аудитория и психоанализ на обратната връзка докторант-жури-аудитория. Особености на устното представяне на доклади на научни форуми. Убедителност и вербално поведение. Продължителността на изложението – специфика и закономерности.

Основни теми в Програмата на курса:

• Основни компоненти на дисертационния труд. Особености.
• Цел/цели на дисертацията, изложение на основните приноси и формулиране на задамите на труда. Особености на повествованието.
• Методи за формулиране на приносите и тяхната обосновка.
• Сценично поведение при защита на дисертационен труд и при представяне на научен доклад.
• Овладяване на т.н. "терор на аудиторията".

Курсът е предназначен за подготовка на специалисти и докторанти (инженери, инженер–технолози и биотехнолози) от специалностите 5 Технически науки, професионално направление 5.2 "Електротехника, електроника и автоматика". Целта на курса е запознаване със съвременни методи за моделиране, мониторинг и управление на (био)технологични процеси. Ще бъдат проследени всички етапи от проектирането на една съвременна система за пряко цифрово управление: изграждане на база данни; създаване на (био)технологични модели и модели за управление; структурна и параметрична идентификация на моделите; извеждане на софтуерни сензори на неизмерими променливи и параметри на базата на свързани с тях измервания в реално време; изграждане на линеаризиращи системи за нелинейни обекти и тяхното приложение за синтез на адаптивно управление. Всеки един от етапите ще бъде илюстриран с примери. Предвиждат се лабораторни упражнения по използване на програмен пакет за идентификация и оптимизация разработен на базата на еволюционни алгоритми. В лабораторните упражнения докторантите допълват, систематизират и задълбочават лекционния материал.

Основни теми в Програмата на курса:

• Извеждане на операционни модели (модели за управление) на биотехнологични процеси с приложение на подхода на Обобщения динамичен модел. Приложения.
• Изграждане на бази данни на конкретни биотехнологични процеси.
• Структурна и параметрична идентификация на моделите от т.1. Приложения.
• Извеждане на алгоритми за оценяване на неизмерими променливи и параметри (софтуерни сензори) на базата на налични измервания. Изграждане на системи за мониторинг на процесите в реално време. Симулационни изследвания.
• Извеждане на алгоритми за линеаризиращо управление на нелинейни обекти. Симулационни изследвания.

Целта на курса е да се получат достатъчно знания за да се анализира необходимата информация за изследване и калиброване на обекта – роботизирана мехатронна система. За постигането на поставената цел е описан процесът на създаване на адекватен модел, отразяващ реалното състояние и функции на изследвания обект. Направен е избор на подходящ математичен апарат за описание и изследване на модела. Анализирани са кинематичните и динамични характеристики на сегментите на мехатронната система, като е показана нейната структура. Описан е и процесът на механо-математичното моделиране, използван за описанието на регионалната й структура на манипулатора, като са разгледани отделно процесите на моделиране на глобалната и локалната кинематични системи. Разгледани са и въпросите за използване на сензорната информация на робота с оглед идентифициране на неговите механични характеристики и използването й в процеса на калиброване на манипулатора. В рамките на мехатронната роботизирана система са показани възможностите да се води процес на идентификация на механичната структура и разпознаването й при организирането на оптимално управление в реално време със зададени предварително определени рестрикции.
Програмата е предназначена за обучение на докторанти, специалисти в областта на създаване и изследване на мехатронни системи, роботи и манипулатори.

Основни теми в Програмата на курса:

• Подходи за постигане на адекватни модели.
• Кинематични и динамични характеристики.
• Основни изисквания към сензорната информация.
• Мехатронни и роботизирани системи.
• Идентификация на механични структури.

Съвременната роботика навлиза широко в ежедневието на човека, което прави задачата за проектиране на една система човек-робот много по-неопределена. Роботите притежават по-висока степен на автономност от преди, което изисква поведенчески подход за интерпретиране на взаимодействието човек-робот. Предложеният курс представя една палитра от когнитивни и поведенчески модели, които имат приложение в проектирането на автономни роботи за различни цели и за бъдещото развитие на "персонализираната роботика". "Агентността" на робота е свързана с други автономни агенти в информационните системи като автобиографичните уеб агенти и персонализираните интерфейси. Антропоморфността на робота е анализирана от функционална гледна точка – дали има когнитивни функции или само изпълнителни. Отделено е внимание на ролята и възможностите на социалната роботика сега и в бъдеще. Практическите семинари са посветени на интерпретация на поведението на реализирани роботи от гледна точка на вградените в тях когнитивни и поведенчески модели.
Програмата е предназначена за обучение на докторанти, специалисти в областта на роботиката, информационните технологии,компютърните и когнитивните науки.

Основни теми в Програмата на курса:

• Дефиниция за система човек-робот. Таксономия на взаимодействията човек-робот. Мониторинг на физиологичното състояние на човека в система човек-робот.
• Хуманоидна роботика. Антропоморфност – дълбочинни и повърхностни нива на подобие. Феноменът Uncanny Valley.
• Многоагентни системи с интерактивни роботи за трениране на социални умения в специалното образование.
• Социално-ориентирана роботика. Реализиране на умения за сътрудничество между човек и робот. Моделиране на талант в роботиката.
• Кибер-физичен подход към проектирането на роботи – педагогически асистенти. Методологични аспекти.

Modern robotics enters widely the daily life of people, which makes the task for design of a human-robot system more under-defined. Robots possess much higher degree of autonomy than before, which requires behavioral approach for interpretation of the human-robot interaction. The proposed course presents a palette of cognitive and behavioral models applicable to the design of autonomous robots for different purposes and for the future development of "personalized" robotics. Robot "agency" is being related to other autonomous agents in the information systems such as the autobiographical web agents and the personalized interfaces. Robot anthropomorphism is analyzed from a functional perspective – whether it has cognitive functions, or solely executive. Special attention is devoted to the role and potential of social robotics now and in the future. The practical seminars are devoted to interpretation of the behavior of existing robots implementing different cognitive and behavioral models. The program is designed to train graduate and PhD students in robotics, information and communication technologies, computer and cognitive sciences.

Курсът предоставя възможността да се разбере какво представлява мозъчно-машинния интерфейс (ММИ) базиран на принципа на електро-енцефалографията (ЕЕГ), както и неговата мисия да свързва директно мозъчната активност на човек с дигиталния свят около него с цел управление чрез когнитивни намерения и емоционални реакции. Курсът обхваща основни понятия в областта, както и основните подходи и алгоритми за регистриране, обработка, класифициране и транслиране в машинни команди на ЕЕГ сигналите. Подробно ще бъдат разгледани проектирането и разработването на ММИ, платформи за програмиране на ММИ и ключовите области на приложение. Ще бъдат разгледани най-често използваните безжични и неинвазивни мобилни ЕЕГ-базирани устройства, както и етичните предизвикателства и правни аспекти за прилагане на ММИ и използване на ЕЕГ данните. Подробно ще бъдат разгледани интерфейсите мозък-робот, както и ММИ опериращи в "Интернет на нещата" с цел управление на "неща" в "умни" къщи.

Основни теми в Програмата на курса:

• Дефиниция на ММИ. Видове ММИ, принципи и практики. Предимства и недостатъци на платформите за изграждане на ММИ. Области на приложения на ММИ. Съвременни тенденции в изграждането на интерфейси мозък-робот, мозък-мозък и мозък-"Интернет на нещата".
• Неинвазивни, портативни и безжични устройства базирани на принципа на енцефалографията. Пространствена и времева резолюция на електрическата активност в мозъка. Платформи за проектиране.
• Анализ, проектиране и изграждане на ЕЕГ базиран ММИ. Основни етапи, нива и модели. Етика при използването на ММИ и обработка на личните данни.
• Анализ и обработка на ЕЕГ сигналите в МАТЛАБ. Филтриране и отстраняване на артефакти, онагледяване на ЕЕГ сигналите.

The course provides an opportunity to understand what an electro-encephalography (EEG)-based brain-computer interface (BCI) is, and its mission to connect directly the person's brain activity with the digital world around us to control by cognitive intentions and emotional reactions. The course covers the basic concepts in the field, as well as the main methods and algorithms for registering, processing, classifying and translating EEG signals into machine commands. The course will cover the BCI design and development, BCI programming platforms and key application areas. The most commonly used wireless and non-invasive mobile EEG-based devices will be addressed, as well as the ethical challenges and legal aspects of implementing BCI and processing EEG data. Brain-robot interfaces as well as BCI s operating in the "Internet of Things" to control "things" in "smart" homes will be discussed in detail.

В курса се разглеждат числени методи и алгоритми за решаване на системи от линейни алгебрични уравнения с разредени матрици. Акцентира се на приложения свързани с реализацията на метода на крайните елементи (МКЕ) и метода на крайните разлики (МКР). Като правило, тези системи са с много голяма размерност. За тяхното решаване са създадени специализирани методи, които в максимална степен отчитат структурата на разреденост в програмата са включени преки и итерационни методи. Специално внимание се отделя на тяхната алгоритмична реализация. Пради се сравнителен анализ на изчислителната сложност. Това дава възможност да се разбере по-добре областта на ефективно приложение на различните методи при решаване на реални задачи. Курсът е предназначен за докторанти, които се интересуват от съвременните достижения в областта на научните изчисления и техните приложения в естествените науки, инженерната практика и при решаване на задачи свързани с опазване на околната среда.

Курсът цели да запознае участниците с различни методи и подходи за извършване на разпределени пресмятания с използване на наличните в България и Европа инфраструктури, като например Грид и суперкомпютърът Авитохол, както и сървъри, оборудвани с мощни графични карти. Ще бъдат разгледани възможностите за получаване на достъп, пускане на изчислителни задачи и съхранението на данни. Ще бъдат тествани различни методи за разпределяне на пресмятанията, когато се използват едновременно множество сървъри.
Могат да се използват както разработени от участниците примерни приложения, така и известни приложения с отворен код. От участниците се изисква да познават поне един език за програмиране, за предпочитане C/C++ или Python. Курсът ще включва курсова работа.

The course aims to familiarize participants with the various methods and approaches for performing distributed computations using the infrastructures available in Bulgaria and Europe, such as Grid and the Avitohol supercomputer, as well as servers equipped with powerful graphics cards. The options for access, performing computational tasks, and data storage will be considered. Various methods for distributing the computations will be tested when multiple servers are used simultaneously. It will be possible to use either codes developed by the participants or popular open-source applications. The participants should be familiar with at least one programming language, preferably C/C++ or Python. A course work will be required.

Целта на курса е да даде знания на обучаваните за съставяне, конфигуриране, пускане и поддържане на приложения, работещи в средата на Интернет. Тежестта на обучението е насоченa към създаването, поддържането и развиването на Web сайтове с различни функционални възможности: динамични страници, база данни, алгоритмичен сървър. Изучава се класическият сайт със статична, представителна информация; сайт, поддържащ база от данни за реализиране на каталожни системи, резервационни системи, електронни магазини; сайт за целите на on-line управлението и по-сложна алгоритмична обработка. Изучават се начини за проектиране на бази от данни, определяне на структурата на таблиците, ключовете, релациите. Показват се начини за работа на Web сървъра с базите от данни. Разработват се примери като сайт за кандидатстване за работа, съставящи основното системно-алгоритмично решение на каталожни и справочни информационни системи.

Целта на курса е да формира у обучаваните един по-широк поглед в областа на съвремените препрограмируеми прибори. Тежестта на обучението е насоченa към създаване и развитие на умения, позволяващи изграждане на апаратни, високо технологични устройства в различни области на икономиката и стопанството. Разглеждат се свойствата, структурата и характерните особености на CPLD и FPGA приборите. Разработват се примери с помоща на които се изучават средствата и начините за практическото им използване като основни градивни блокове при проектиране на модерни електронни системи и управляващи устройства с повишена комплексност, функционална интеграция, компактност и ниски цени. Курсът е предназначен за докторанти, които се интересуват от достиженията в областта на съвременната елементна база и нейното приложение в инженерната практика.

Съдържание на темите застъпени в курса

Тема1 Въведение в цифровите програмируеми прибори
В рамките на темата се разглеждат предпоставките за появата и развитието на цифровите програмируеми прибори

Тема2 CPLD серия ХС 9500
В рамките на темата се разглеждат архитектурата и характерните особености на програмируеми прибори от семейството ХС9500 и техните ниско волтови модификации.

Тема3 CPLD серия CoolRunner
В рамките на темата се разглеждат архитектурата и характерните особености на програмируеми прибори от семейството XPLA3.

Тема4 CPLD серия CoolRunner-ІІ
В рамките на темата се разглеждат архитектурата, функционалния блок, макроклетката, свързващата матрица и апаратни особености на семейството и тяхното практическо използване.

Тема5 Използване на CPLD тип CoolRunner-II за проектиране на устройства с ниска консумация
В рамките на темата се разглеждат методите и средствата за намаляване на консумираната мощност при проектиране на апаратни устройства с прибори от това семейство.

Тема 6 FPGA Spartan-3
В рамките на темата се разглеждат архитектурата и характерните особености на програмируеми прибори на SRAM-базирани FPGA на Xilinx входно изходен блок (IOB), цифрово управляем импеданс (DCI), CLB, блокова RAM памет, специализирани умножители, Digital Clock Manager (DCM), цифров Синтезатор на Честота (DFS) и др.

Тема7 Защитата на проектите от неправомерен достъп
В рамките на темата се разглеждат методите и средствата на които трябва да се обърне внимание при разработване на практически проекти с препрограмируеми прибори за да се минимизира възможноста от неправомерен достъп до тях от трети, не ауторизирани за целта лица.

Целта на курса е да формира у обучаваните един по-широк поглед в областа на HDL езиците от високо ниво, предназначени за описание и проектиране на системи и устройства. Тежестта на обучението е насоченa към създаване и развитие на умения, позволяващи изграждане на архитектури и модели с различни нива и степен на абстракция. Разглеждат се характерните особености при описание на апаратни структури и извьршване на имитационно моделиране и формална верификация на проекти. Разработват се примери с помоща на които се добиват практически умения за осьществяване на структурен синтез по поведенческо описание, генериране на тестове и документиране на проекта. Курсът е предназначен за докторанти, които се интересуват от езици за проектиране моделиране и синтез на различни електрони устройства в инженерната практика.

Целта на курса е да формира у обучаваните един по-широк поглед в областа на едно от най переспективните приложения на съвременните FPGA прибори -изграждането на различни по сложност и бързодействие вградени, микропроцесорни ядра. Обучението в тази област е насочено към създаване и развитие на умения, позволяващи изграждане на архитектури и модели на апаратно ориентирани платформи на паралелни алгоритми и на "системи върху кристал" (System on Chip) в пределите на един FPGA прибор. Разглеждат се примери с помоща на които се добиват умения относно практическото синтезиране, моделиране и формална верификация на проекти реализрани на базата на вградени програмни микропроцесорни ядра. Курсът е предназначен за докторанти, които се интересуват от възможностите методите и начините за практическо реализиране на вградени, в рамките на един FPGA прибор микропроцесорни ядра.

В настоящия курс се разглеждат съвременни методи, използвани за обработка на сензорна информация. Курсът включва методи за предварителна обработка на данните (филтриране на шума в измерванията, откриване и отстраняване на отклонения в данните – outliers, възстановяване на загубени данни, компресиране и агрегиране на данни), комуникационни протоколи на сензора/сензорите с обработващия център, методи за обединяване на хомогенна и хетерогенна сензорна информация, методи за анализ на сензорна информация. Теоретическите методи се разглеждат в контекста на решаване на конкретни приложни задачи с използване на различни сензори като различни видове камери (IP PTZ, акустична, инфрачервена, свръхбърза), различни навигационни датчици (за спътникова навигация, инерциална навигация – акселерометри, магнитометри и датчици на скорост на въртене), различни сензори за следене на поглед и др.
Курсът е предназначен за докторанти, интересуващи се от съвременното състояние в посочената област. Очертан е и кръгът от нерешени проблеми в приложения като интелигентни системи за наблюдение, телемедицина, "умни" къщи, интелигентни транспортни системи, обработка на мултимедийна информация и др.

Целта на курса е да даде знания на обучаваните зауправление на мрежови ресурси, мрежови операции и комуникационни технологии. Информационни протоколи, базирани на TCP/IP протоколния стек се анализират и изследват. Изучават се различните нива на функционалност, протоколни параметри, архитектура и структура на слуйебните пакети. Курсът дава знания за управление на системи в мрежова среда, за тестване и диагнистика на мрежови операции. Йерархия на архитектурите, видовете пакети и режими на работа се оценяват и изучават.

This course is an introduction to network management, network operations and communication technologies. The information protocols, based on the TCP/IP protocol stack are under consideration. The different levels of functionalities, protocol parameters and architectures are studied. The course gives ground for system management in network environments, testing and diagnoses of network operations. Hierarchy of architectures, packets, cells are evaluated and learned.

Курсът има за цел да запознае докторантите с паралелните архитектури и алгоритми, като включва и практически занятия с използване на стандарти за паралелно програмиране MPI и OpenMP. Той покрива:

• паралелни архитектури, паралелни алгоритми и оценяване на паралелната ефективност;
• стандарти за паралелно програмиране;
• основни операции при използване на стандарта MPI и OpenMP;
• методи и парадигми за паралелно програмиране.

Дисциплината е подходяща за докторанти с интереси в програмирането и/или използването на съвременни високопроизводителни компютърни системи, като например суперкомпютъра Авитохол и новите високопроизводителни изчислителни системи в ИИКТ-БАН.
Задължително е докторантите да имат основни познания по един от езиците за програмиране C/C++, Fortran or Python. Плюс е познаването на операционна система Linux.

The course aims to acquaint the PhD students with parallel architectures and algorithms. It also includes practical exercises using standard parallel programming MPI and OpenMP. The course covers:

• Parallel architectures, parallel algorithms and evaluation of parallel efficiency;
• Standards for parallel programming;
• Basic operations using the standard MPI and OpenMP;
• Methods and paradigms for parallel programming.

The course is suitable for PhD students with an interest in programming and/or the use of modern HPC systems, as the supercomputer Avitohol and the newest HPC system in IICT-BAS.
It is imperative that doctoral students have a basic knowledge of programming languages C/C ++, FORTRAN or Python. A knowledge of the operating system Linux is welcome.

Целта на курса е да даде знания за методите, техниките и подходите за еднокритериална и многокритериална оптимизация. Тези познания биха били полезни на всички, които желаят да решават оптимизационни задачи. Курсът е полезен за инженери, икономисти, лица вземащи решения при управлението на предприятия и производствени процеси, експерти в районирането, разпределението на ресурси, секционното разпределение на населението при гласуване, както и за всички други експерти, които решават реални оптимизационни задачи в тяхната дейност.
При еднокритериалната оптимизация се започва с условията за оптималност, последователно се разглеждат методите за решаване на оптимизационни задачи без ограничения, методите за задачи с ограничения от тип равенства, методите за задачи с ограничения от тип неравенства, методите за задачи с линейни ограничения и методите за задачи с нелинейни ограничения. Разглеждат се и метаевристични алгоритми за глобална оптимизация. Накрая се разглеждат въпроси от математическото моделиране. При многокритериалната оптимизация се започва с основни понятия и дефиниции (Парето оптималност) и с условията за оптималност. След това се разглеждат методи без предпочитания, априорни методи, апостериорни методи и интерактивни методи. Накрая се разглеждат методите от многокритериалния анализ Електре и Прометей.
За упражнения се използват MATLAB и MuPAD.

The aim of this teaching course is to provide knowledge about the methods, techniques and approaches for single and multiple objective optimization. This knowledge could be useful for everybody, who intend to solve optimization problems. The course is useful for engineers, economists, persons making decisions (decision makers) in the management of enterprises and production processes, for experts in distributing districts, resources, distribution of peoples in vote sections, as well as for all kinds of experts, who solve real optimization problems in their activities.
The material about the single criterion optimization starts by consideration of optimality conditions, after that the methods for solving optimization problems without any constraints, the methods for problems with constraints from type equalities, the methods for problems with constraints from type inequalities, the methods for problems with linear constraints and the methods for problems with nonlinear constraints are consecutively considered. Also metaheuristic methods for global optimization are considered. At the end some aspects of mathematical modeling are considered.
The multiple objective optimization starts by introduction of basic notions and definitions (Pareto optimality), as well as by the optimality conditions. After that are considered no- preference methods, a priori methods, a posteriori methods and interactive methods. At the end are considered the multi-criteria analysis methods Electre and Promethee.
The exercises are based on the use of MATLAB and MuPAD.

Курсът представлява въведение в методите за математическо моделиране на процесите в мозъка на ниво нервни клетки техните взаимодействия. Целта му е да запознае математици и инженери с основните понятия в невробилогията, необходими за работа в тази интердисциплинарна област, както и невробилозите с възможностите за симулационни изследвания на различните мозъчни структури. Темите, предвидени в курса, са: въведение в невробилогията и моделите на нервната клетка (от Hodgink-Huxley до spike timing); модели на връзките между невроните (дендрити и синапси); структури в мозъка и тяхното моделиране на ниво неврони; библиотеката NEST и нейното приложение за симулация на невронни структури посредством Python.

The course offers introduction in the methods for mathematical modelling of the processes in the brain at level of neural cells and their interactions. Its aim is to familiarize mathematicians and engineers with the basic terminology in neurobiology needed to work in this interdisciplinary fields as well as to make neurobiologists acquainted with possibilities for simulation investigations of different brain structures. The course includes the following topics: introduction to neurobiology and neural cell models (from Hodgink-Huxley to spike timing); models of connections between neurons (dendrites and synapses); brain structures and their modelling at neural cell level; NEST library and its implementation for simulation of neural structures via Python.

Курсът представлява въведение в теоретичните основни на обучението по метода „поощрение/наказание“, известно още като reinforcement обучение. Целта му е да запознае докторантите както с възникването и биологичните основи на метода, така и с неговата математическа интерпретация и приложенията му за решаване на оптимизационни задачи. Темите, предвидени в курса, са: биологични основи на reinforcement обучението, динамично програмиране и Марковски процеси, методи Монте Карло, метод на времевите разлики, апроксимационни, таблични и градиентни алгоритми и приложения на reinforcement обучението за оптимизация и в адаптивните системи за управление. Практическите занимания включват имплементиране на алгоритмите в средата с отворен код Gym на езика Python.

The course is an introduction to the theoretical basics of punish/reward training, also known as reinforcement training. Its purpose is to acquaint doctoral students both with the origin and biological foundations of the method, as well as with its mathematical interpretation and its applications for solving optimization problems. The topics provided in the course are: biological foundations of reinforcement learning, dynamic programming and Markov processes, Monte Carlo methods, temporal difference method, approximation, tabular and gradient algorithms and applications of reinforcement learning for optimization and in adaptive control systems. Hands-on activities include implementing the learned algorithms in the open source environment Gym in the Python language.