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. J.-P. Demailly, Complex analytic and differential geometry, 2012 (достъпна в интернет)
2. D. Husеmoller, Fibre bundles, 1994.
3. S. Kobayashi, N. Nomizu, Foundation of differential geometry, vol. 1 and 2, 1963-1969.
4. A. Moroianu, Lectures on Kähler geometry, 2004.

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.

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 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.

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

Целта на курса е да се представи как изкуственият интелект базиран на физично информираните невронни мрежи (ФИНМ) представлява нова научна техника от машинното обучение за решаване на различни задачи, моделиращи реални процеси. ФИНМ са въведени за пръв път през 2017 г. от М. Райси и др. Алгоритмите за машинно обучение дават универсални възможности за решаване на изключително сложни нелинейни диференциални уравнения. ФИНМ имат няколко предимства пред конвенционалните методи. Те позволяват решенията да бъдат диференцирани с помощта на аналитични градиенти и осигуряват лесен начин за решаване на прави и обратни задачи с помощта на оптимизационна задача. В допълнение към решаването на диференциални уравнения (права задача), ФИНМ могат да се използват за решаване на обратни задачи като характеризиране на потоци от данните. Алгоритмите и кодовете на ФИНМ позволяват да се атакуват диференциални уравнения от висок ред, които са трудни за числени симулации.
Основните трудности, които се преодоляват чрез прилагането на ФИНМ са в две главни направления:
1) Обработката на големи бази от числени и наблюдателни данни;
2) Решаване на изключително сложни нелинейни системи диференциални уравнения.
Научните цели на курса могат да бъдат формулирани в по-долу описаните задачи:
Задача 1. Моделиране чрез ФИНМ и създаване на изкуствен интелект на базата на получените алгоритми.
Задача 2. Прилагане на физично информирани невронни мрежи за решаване на диференциални уравнения с неизвестни параметри, които могат да бъдат определени от наблюдателни данни.
Задача 3. Разработване на алгоритми на изкуствен интелект чрез ФИНМ като универсални апроксиматори на функции за решаване на сложни модели възникващи в механиката.
Курсът е интердисциплинарен и ще бъде полезен за докторанти както по математическо моделиране и диференциални уравнения, така и по приложения в различни научни области. Освен това курсът може да заинтересува млади учени, които желаят да придобият по-богат опит и да провеждат фундаментални изследвания в областта на механика на флуидите и приложната математика.

The aim of the course is to present how artificial intelligence based on physically informed neural networks (PINN) is a new scientific technique from machine learning for solving various problems modeling real processes. PINNs were first introduced in 2017 by M. Raisi et al. Machine learning algorithms provide universal capabilities for solving extremely complex nonlinear differential equations. PINNs have several advantages over conventional methods. They allow solutions to be differentiated using analytic gradients and provide an easy way to solve direct and inverse problems using an optimization problem. In addition to solving differential equations (direct problem), PINNs can be used to solve inverse problems such as characterizing data flows. PINN algorithms and codes allow solving high-order differential equations that are difficult for numerical simulations.
The main difficulties that are overcome by applying PINN are in two main directions:
1) Processing large databases of numerical and observational data;
2) Solving extremely complex nonlinear systems of differential equations.
The scientific objectives of the course can be formulated in the tasks described below:
Task 1. Modeling using PINN and creating artificial intelligence based on the obtained algorithms.
Task 2. Application of physically informed neural networks for solving differential equations with unknown parameters that can be determined from observational data.
Task 3. Development of artificial intelligence algorithms using FINM as universal approximators of functions for solving complex models arising in mechanics.
The course is interdisciplinary and will be useful for doctoral students both in mathematical modeling and differential equations, and in applications in various scientific fields. In addition, the course may be of interest to young scientists who wish to gain more experience and conduct fundamental research in the field of fluid mechanics and applied mathematics.

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.

Курсът е предназначен за докторанти и магистри по научната специалност 5.2 " Електротехника, електроника и автоматика ". Неговата задача е да разгледа и анализира електроенергийната ефективност в промишлените обекти и комунално – битовия сектор. Ще се анализират възможностите, средствата и методологии за постигане на добри показатели за ефективност, свързани с икономия на ел. енергия, икономия на материали и ресурси и високи научни постижения.

The course is intended for doctoral students and masters in the scientific specialty 5.2 "Electrical engineering, electronics and automation". Its task is to examine and analyze the energy efficiency in industrial facilities and the utility sector. The possibilities, means and methodologies for achieving good performance indicators related to the economy of electricity will be analyzed. energy, economy of materials and resources and high scientific achievements.

Курсът обхваща широк спектър от теми и е насочен към съвременното развитие на промишлената автоматизация и системите за управление. Структуриран е на модулен принцип. В предвидените лекционни часове се разглеждат и анализират съвременни подходи и методи за измерване, регулиране и управление на технологични параметри и процеси в минерално-суровинната и енергийната индустрия. Обхваща няколко тематични направления: съвременни концепции за управление на технологични процеси; технологични изисквания и критерии за управление; разработване на принципно-технологични схеми за автоматизация на технологични процеси; особености на системите за измерване и регулиране на технологични параметри, като разход на флуиди и насипни материали, ниво, плътност, веществен и йонен състав и др.
Курсът е подходящ за магистри и докторанти по професионално направление 5.2 „Еелектротехника, електроника и автоматика”, както и за докторанти с познания в областта на инженерните науки.

The course covers a wide range of topics and focuses on the contemporary development of industrial automation and control systems. It is structured on a modular basis. The planned lecture hours examine and analyze modern approaches and methods for measuring, regulating and controlling technological parameters and processes in the mineral and raw materials and energy industries. Covers several thematic areas: modern concepts for controlling technological processes; technological requirements and criteria for control; development of principle-technological schemes for automating technological processes; features of systems for measuring and regulating technological parameters, such as flow of fluids and bulk materials, level, density, material and ionic composition, etc.
The course is suitable for master's and doctoral students in professional field 5.2 „Electrical engineering, electronics and automation”, as well as for doctoral students with knowledge in the field of engineering sciences.

Курсът разглежда аспекти и постановки при проектирането на механизми и манипулатори. Основна цел е автоматизирането на процеса на проектиране на механизмите и възлите на манипулатора, както и оценка на динамичните показатели в аспектите на задвижващата и сензорно – измервателната системи. Разглеждат се инструментите за проектиране и анализ в CAD-CAE системи от висок клас и тяхното приложение за оценка на еластичните и инерционните показатели на звената в процесите на проектиране на манипулатори и влиянието им върху алгоритмите и системите за управление. Предназначен е за докторанти и магистри по научната специалност 5.2 "Електротехника, електроника и автоматика".

The course reveals some aspects in design if mechanisms and manipulators. The aim is automation of the design process and assessment for dynamical parameters facing the problematics in driver, transmission, sensor and measurement systems The course is focused in tools for design and analysis in CAD-CAE high class systems and their application in assessment of elastic and inertial indicators for the links in manipulators design process and influence over algorithms and control. The course is intended for doctoral students and masters in the scientific specialty 5.2 "Electrical engineering, electronics and automation".

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.

Курсът предлага цялостна 30 часова образователна програма, фокусирана върху авангардни постижения в невротехнологиите, включващи невро-импланти, мозък-компютър интерфейси (BCI’s) и невроинформатика. Целта е да се осигури разбиране на най-новите постижения и изследователски методологии в областта на невротехнологиите, като предостави на участниците задълбочени знания и практически умения в областта на неинвазивните BCIs и невроинформатиката. Курсът ще насърчи интердисциплинарното сътрудничество и обмен на идеи между участниците и водещи изследователи от международни институции, като ще предостави познания и за етичните аспекти на BCIs. Методите на преподаване включат лекции, практически семинари, дискусии, съвместни групови проекти и обсъждания на реални казуси, представени от водещи експерти. Очаква се курсистите да комуникират и взаимодействат с лекторите по време на обучението, което ще им даде възможност да получат задълбочени знания и умения, така че да могат да допринесат за авангардни изследвания в областта на невротехнологиите. Курсът ще даде възможност на участниците да станат част от мрежа от професионалисти от академичните среди, индустрията и здравеопазването. Основните резултати ще включват разширени познания и технически умения в приложенията на невротехнологиите, разширяване на професионалните мрежи и прозрения относно транслационните аспекти на изследванията. Той също така ще служи като платформа за представяне на индивидуални изследвания чрез постерни сесии и групови проекти, завършващи с обратна връзка от колеги и експерти.

The course offers a comprehensive 30-hour educational program focused on cutting-edge advances in neurotechnology, including neuro-implants, brain-computer interfaces (BCI’s) and neuroinformatics. The goal is to provide an understanding of the latest advances and research methodologies in the field of neurotechnology, providing participants with in-depth knowledge and practical skills in the field of non-invasive BCIs and neuroinformatics. The course will encourage interdisciplinary collaboration and exchange of ideas between participants and leading researchers from international institutions, and will also provide knowledge about the ethical aspects of BCIs. Teaching methods include lectures, practical workshops, discussions, joint group projects and discussions of real-life cases presented by leading experts. Participants are expected to communicate and interact with the lecturers during the training, which will enable them to gain in-depth knowledge and skills so that they can contribute to cutting-edge research in the field of neurotechnology. The course will provide participants with the opportunity to become part of a network of professionals from academia, industry and healthcare. Key outcomes will include enhanced knowledge and technical skills in neurotechnology applications, expanded professional networks and insights into translational aspects of research. It will also serve as a platform for presenting individual research through poster sessions and group projects, culminating in feedback from peers and experts.

1. Въведение в невротехнологиите и невронните импланти
   Introduction To Neurotechnology And Neural Implants
2. Новости в неинвазивните BCI
   Advances In Non-Invasive BCIs
3. Невроинформатика и анализ на данни
   Neuroinformatics And Data Analysis
4. Интегративни подходи и възникващи тенденции
   Integrative Approaches And Emerging Trends
5. Презентации на проекти и бъдещи насоки
   Project Presentations And Future Directions

За повече информация и регистрация, моля, посетете уебсайта на VIBraTE.
For more information and registration, please visit the VIBraTE website.
https://vibrate-project.eu/