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: Πέτρος Μαραγκός (http://cvsp.cs.ntua.gr/maragos/index.shtm) Αλέξανδρος Ποταμιάνος (http://cvsp.cs.ntua.gr/potam)
Χρόνος/Τόπος: Πέμπτη 8:45-12:30, Νέο Κτήριο ΗΜ&ΜΥ, Αίθουσα 006
(ορισμένες Δευτέρες 10:45-12:30, εργαστήριο στο Νέο Κτήριο ΗΜ&ΜΥ, PCLab*)
Βοηθοί: Νίκος Έλληνας (ngreek54@gmail.com)
Παναγιώτης Φιλντίσης (filby@central.ntua.gr)
Επιστημονικός Συνεργάτης: Δρ. Ηλίας Ιωσήφ (iosife@central.ntua.gr)
Δρ. Νάνσυ Ζλατίντση (nzlat@cs.ntua.gr)
 
Στόχοι - Περιεχόμενα
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. Κανόνας απόφασης του κοντινότερου γείτονα. Τεχνικές συγκέντρωσης (clustering) όπως k-means, και τεχνικές εκμάθησης χωρίς επίβλεψη. Δέντρα απόφασης. Μετασχηματισμοί και επιλογή χαρακτηριστικών στον χώρο προτύπων όπως ανάλυση σε πρωτεύουσες συνιστώσες (PCA), ανεξάρτητες συνιστώσες (ICA), κανονική συσχέτιση (CCA), διακριτική ανάλυση (LDA). Tεχνικές ταξινόμησης προτύπων με γραμμικές διακριτικές μηχανές τύπου Perceptron και Support Vector Machines. Κρυφά Μαρκοβιανά μοντέλα (HMMs), Μείγματα Γκαουσιανών (GMMs), αλγόριθμοι Expectation-Maximization και Viterbi. Δυναμικά Bayesian nets. Πιθανοτικά γραφικά μοντέλα. Τεχνικές Deep Learning. Εργαστηριακές ασκήσεις.
 
Βαθμολογία
Χωρίς Ενδιάμεση Πρόοδο:
  • Εργαστήρια 30%
  • Αναλυτικές Ασκήσεις 20%
  • Τελική Εξέταση 50%
Με Ενδιάμεση Πρόοδο (Quiz):
  • Εργαστήρια 30%
  • Αναλυτικές Ασκήσεις 20%
  • Πρόοδος 20% (προαιρετική)
  • Τελική Εξέταση 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.

  • [Goodfellow-et-al], I. Goodfellow, Y. Bengio and A. Courville,
    Deep Learning,
    MIT Press, http://www.deeplearningbook.org.
Τελευταία Αλλαγή:  Friday, 20 October 2017 | Δημιουργοί: Νάσος Κατσαμάνης, Γιώργος Παπανδρέου | Search is powered by