U okviru EMPIR projekta pod nazivom „Podrška Evropskoj metrološkoj mreži za matematiku i statistiku” (18NET05 MATHMET Support for a European Metrology Network for mathematics and statistics) održana je obuka, namjenjena predstavnicima država zapadnog Balkana, na temu mjerne nesigurnosti i kvaliteta softvera (Training course on measurement uncertainty and software quality for the Western Balkan Countries). Obuku koja je održana 6. i 7. jula 2022. pratile su predstavnice Zavoda za metrologiju Jovana Vukoslavović, Mirjana Radević i Milica Odalović.

Tokom obuke predstavljen je značaj procjene i definicija mjerne nesigurnosti, uzroci nastanka mjerne nesigurnosti, kao i o način prikaza rezultata mjerenja. Više riječi bilo je o „Zakonu širenja nesigurnosti” (Law of propagation of uncertainty), kao i o „Centralnoj graničnoj teoremi” (Central Limit Theorem) koja se koristi za karakterizaciju izlazne veličine pomoću Gausove raspodjele vjerovatnoće koja je osnova za formiranje intervala pokrivanja za izlaznu veličinu.

Prezentovana je i Monte Carlo metoda za procjenu mjerne nesigurnosti koja koristi funkcije gustine vjerovatnoće ulaznih veličina. Iz rezultata navedene metode, kako je objašnjeno, mogu se dobiti standardne mjerne nesigurnosti i intervali pokrivanja.

Jedna od tema predstavljenih tokom obuke bila je i mašinsko učenje (machine-learning) u metrologiji, kao i „Teorija neuronskih mreža” (Theory of Neural Networks NN101). Neuronske mreže, kako je istaknuto, podskup su mašinskog učenja i predstavljaju oblik implementacije sistema vještačke inteligencije.

Značaj neuronskih mreža je u tome da paralelno obrađuju podatke, čije komponente, kako je navedeno, su nezavisne jedne od drugih. Neuronske mreže se koriste u situacijama kada nisu poznata pravila prema kojima bi bilo moguće dovesti u vezu ulazne i izlazne podatke iz željenog sistema.