Μαθήματα Επεξεργασίας

Σημάτων

Ε.Μ.Π. | ΗΜΜΥ
Προπτυχιακά | Μεταπτυχιακά | Διπλωματικές
Εγγραφή | Αποστολή | Συμπεριφορά | Συντομογραφίες | Παράδειγμα
Ομάδα Όρασης Υπολογιστών, Επικοινωνίας Λόγου και Επεξεργασίας Σημάτων
Vision | Speech
2003 | 2002 | 2001 | 2000 | 1999 | pre-1999
Undergraduate | Postgraduate | Diploma Projects | Mailing Lists
subglobal7 link | subglobal7 link | subglobal7 link | subglobal7 link | subglobal7 link | subglobal7 link | subglobal7 link

Αναγνώριση Προτύπων

Πληροφορίες
-->
Αναγνώριση Προτύπων
Χειμερινό Εξάμηνο 2015-2016
Διδάσκοντες: Αλέξανδρος Ποταμιάνος (http://cvsp.cs.ntua.gr/potam)
Χρόνος/Τόπος: Πέμπτη 8:45-12:30, Νέο Κτήριο ΗΜ&ΜΥ, Αίθουσα 012 ή PCLab*
Δευτέρα 8:45-10:30 ή 10:45-12:30, Νέο Κτήριο ΗΜ&ΜΥ, PCLab*
* Μερικές μέρες θα γίνεται εργαστήριο στο PC Lab.
Βοηθοί: Ηλίας Ιωσήφ (iosife@central.ntua.gr)
Χωριανοπούλου Αροδάμη (arodami@central.ntua.gr)
Παλογιαννίδη Ελισάβετ (elis@central.ntua.gr)
 
Πρόσφατες/Σημαντικές Ανακοινώσεις
- Η πρόοδος θα πραγματοποιηθεί στις 10-12-2015.
10/11/2015: Αναρτήθηκε το ημερολόγιο του μαθήματος.
Στόχοι
Εισαγωγή στην στατιστική αναγνώριση προτύπων με εφαρμογές σε αναγνώριση ήχων, οπτικών αντικειμένων, οπτικο-ακουστικών γεγονότων και άλλων χωρο-χρονικών αισθητηριακών ή συμβολικών δεδομένων. Bayesian θεωρία απόφασης και εκτίμησης. Κανόνες απόφασης του κοντινότερου γείτονα και μεθοδολογίες ελάττωσης του αριθμού των προτύπων εκμάθησης. Τεχνικές συγκέντρωσης (clustering), όπως k-means και διανυσματική κβαντοποίηση, και τεχνικές εκμάθησης χωρίς επίβλεψη. Δέντρα απόφασης. Μετασχηματισμοί και επιλογή χαρακτηριστικών στον χώρο προτύπων με έμφαση στην ανάλυση πρωτευουσών συνιστωσών (PCA), διακριτική ανάλυση (LDA), ή ανάλυση σε ανεξάρτητες συνιστώσες (ICA). Tεχνικές ταξινόμησης προτύπων που βασίζονται σε γραμμικές διακριτικές μηχανές τύπου Perceptron και Support Vector Machines. Μοντέλα μειγμάτων Γκαουσιανών (Gaussian Mixture Models), κρυφά Μαρκοβιανά μοντέλα (Hidden Markov Models), και αλγόριθμος Expectation-Maximization. Δυναμικά Bayesian nets. Πιθανοτικά γραφικά μοντέλα. Εργαστηριακές ασκήσεις.
 
Περιεχόμενα
ΕβδομάδαΓνωστικό Αντικέιμενο

Σχετική Βιβλιογραφία

(κωδικος βιβλίου -κεφάλαιο)

1Introduction to pattern recognition - Problem definition -
Features - Models - Evaluation
Bishop 1
DHS 1.1-1.3
2
Probability refresher - Linear algebra refresher - Multivariate
Gaussian distribution
Bishop 2.3
Slides
3
Bayesian decision theory
DHS 2.1-2.5, 2.6, 2.7
4
Maximum likelihood estimation - Bayesian Estimation -
Expectation Maximization

DHS 3.1-3.4, 3.7

Bishop 9.3

5
Bayesian networks - Markov models - Hidden Makov models
- Conditional Random Fields
Bishop 8, 13
Notes
6
Non-parametric classifiers - Nearest neighbor classifiers -
Linear discriminant analysis - Perceptron - Support Vector
Machines
DHS 4.3-4.5, 5.1-5.5
7
Non-metric classifiers - Dynamic time warping
DHS 8.1-8.3, 8.4
8
Unsupervised learning - Mixture of Gaussians - k-means
clustering - Vector quantization
DHS 10.1-10.9
9
Feature selection - Principal component analysis -
Probabilistic PCA - Independent component analysis
TK 5, 6
Bishop 12.1, 12.2
10
Advanced areas: simulated annealing, representation learning,
deep neural networks, auto-encoders, manifolds
notes & readings
11
Application of pattern recognition to speech recognition and
optical character recognition
KS - last chapter
*
Lab I on optical digit recognition
*
Lab II on speech recognition
*
Lab III on music emotion recognition
 
Βαθμολογία
    • 2 σειρές ασκήσεων 20%
    • Πρόοδος 20% (προαιρετική)
    • Τελικό 30%
    • Εργαστήρια 30%
Βιβλίο
  • [KS] Γ. Καραγιάννης και Γ. Σταϊνχάουερ,
    Αναγνώριση Προτύπων και Μάθηση Μηχανών,
    ΕΜΠ, 2001 (βιβλίο).

  • Σ. Θεοδωρίδης και Κ. Κουτρουμπάς,
    Αναγνώριση Προτύπων,
    Ιατρικές εκδόσεις Π.Χ. Πασχαλίδης, 2011.

  • Π. Μαραγκός,
    Συμπληρωματικές Σημειώσεις Αναγνώρισης Προτύπων και Φωνής,
    ΕΜΠ.

Βιβλιογραφία
  • [DHS] R. O. Duda, P.E. Hart and D.G. Stork,
    Pattern Classification,
    Wiley, 2001.

  • [Bishop] C. M. Bishop,
    Pattern Recognition and Machine Learning,
    Springer, 2006.
Ημερολόγιο μαθήματος
Αναλυτικές ΑσκήσειςΗμερομηνίες
Ανάρτηση 1ου σετ ασκήσεων5-11-2015
Παράδοση 1ου σετ ασκήσεων19-11-2015
Ανάρτηση 2ου σετ ασκήσεων17-12-2015
Παράδοση 2ου σετ ασκήσεων7-1-2016
Εργαστηριακές Ασκήσεις
Ανάρτηση προπαρασκευής 1ου εργαστηρίου2-11-2015
1o εργαστήριο9-11-2015
Παράδοση 1ου εργαστηρίου23-11-2015
Ανάρτηση προπαρασκευής 2ου εργαστηρίου30-11-2015
2o εργαστήριο7-12-2015
Παράδοση 2ου εργαστηρίου21-12-2015
Ανάρτηση προπαρασκευής 3ου εργαστηρίου17-12-2015
3o εργαστήριο11-1-2016
Παράδοση 3ου εργαστηρίου12-2-2016
Εξετάσεις
Πρόοδος10-12-2015
Τελική εξέτασηTBA (προτεινόμενη ημερομηνία: 19-1-2016)
Τελευταία Αλλαγή:  Tuesday, 12 January 2016 | Δημιουργοί: Νάσος Κατσαμάνης, Γιώργος Παπανδρέου | Search is powered by