FOI nastava
FOI logo

Lista kolegija iz:

ak.god:
2016/2017
semestar:
Izborni kolegiji

2016/2017

7ECTSa

Doktorski

Poslijediplomski doktorski studij v1.1

Program Obavezan
Doktorski studij PDDS Ne
Izborni kolegij

Raspoznavanje uzoraka npp:45239

Engleski naziv

Pattern recognition

Katedra

Katedra za gospodarstvo

Cilj kolegija

Raspoznavanje uzoraka (engl. Pattern Recognition) je znanstvena disciplina u području Računarskih znanosti čiji je cilj klasifikacija objekata u kategrije ili razrede. U zavisnosti od područja primjene, objekti mogu biti slike ili valni oblici ili bilo koji tip mjerenja koji se mora klasificirati. Takvi objekti nose generički naziv uzorci. Važnost područja raspoznavanja uzoraka u industrijskoj i postindustrijskoj fazi razvoja drištva, ogleda se u zahtjevima industrijske proizvodnje, automatizaciji ali i u potrebama za rukovanjem i pretraživanjem informacija te prijateljskoj komunikaciji čovjeka i stroja. Raspoznavanje uzoraka je integralni dio ogromne većine sustava umjetne inteligencije jer podržava automatsku percepciju i interpretaciju tako dobivenih informacija iz različitih vrsta senzora i omogućava djelotvoran postupak donošenja odluka. Predmet Raspoznavanje uzoraka daje osnovne teorijske pretpostavke za razumijevanje postupaka raspoznavanja ali i solidnu osnovu za oblikovanje i izgradnju te vrednovanje sustava za raspoznavanje. Studentima nudi kompetentnost u razumijevanju, oblikovanju i analizi složenih sustava za raspoznavanje 1D, 2D i višedimenzionalnih uzoraka.

Nastava

Predavanje
30sati

Sadržaj predavanja

  • Raspoznavanje uzoraka: značajke, vektor značajki, klasifikator.
  • Linearni klasifikatori. Učenje s učiteljem. Gradijentni postupci učenja decizijskih funkcija. Postup
    Linearni klasifikatori. Učenje s učiteljem. Gradijentni postupci učenja decizijskih funkcija. Postupak perceptrona i njegove varijante. Ho-Kashyapova metoda učenja. Poopćeni algoritam perceptrona. Strojevi s potpornim vektorima (SVM).
  • Nelinearni klasifikatori. Poopćene (linearne) decizijske funkcije. Metode temeljene na jezgrenim fun
    Nelinearni klasifikatori. Poopćene (linearne) decizijske funkcije. Metode temeljene na jezgrenim funkcijama. Uporaba SVM za nelinearno razdvojive razrede. Oblikovanje decizijskih funkcija uporabom skupa ortonormalni funkcija. Potencijalne funkcije. Troslojni i višeslojni perceptron.
  • Klasifikator temeljen na Bayesovoj decizijskoj teoriji. Bayesov klasifikator za normalne distribucij
    Klasifikator temeljen na Bayesovoj decizijskoj teoriji. Bayesov klasifikator za normalne distribucije. Procjena nepoznatih funkcija gustoće vjerojatnosti.
  • Klasifikacija uzoraka na temelju funkcija udaljenosti. 1-NN, q-NN i (q, l)-NN klasifikacijska pravil
    Klasifikacija uzoraka na temelju funkcija udaljenosti. 1-NN, q-NN i (q, l)-NN klasifikacijska pravila.
  • Generiranje značajki i njihovo izlučivanje. Karhunen-Loeve transformacija. Fisherova diskriminantna
    Generiranje značajki i njihovo izlučivanje. Karhunen-Loeve transformacija. Fisherova diskriminantna analiza, ortogonalne transformacije.
  • Kontekstno zavisna klasifikacija. Skriveni Markovljevi modeli.
  • Postupci grupiranja i analiza grupa. Sekvencijalni postupci i hijerarhijski postupci grupiranja.
  • Postupci oblikovanja i evaluacije sustava za raspoznavanje uzoraka.

Osnovna literatura

  • L. Gyregyek, N. Pavešić, S. Ribarić, Uvod u raspoznavanje uzoraka, Tehnička knjiga, Zagreb, 1988. 313 str.
  • R. O. Duda, P. E. Hart, D.G. Stork, Pattern Classification, J. Wiley & sons, New York, 2001. 652 str.

Dopunska literatura

  • S. Theodoridis, K. Koutroumbas, Pattern Recognition,Academic Press, 2003.

Slični predmeti

  • Razpoznavanje vzorcev, FE, Ljubljana, http://luks.fe.uni-lj.si/sl/studij/RV/predavanja.html
  • Pattern Recognition, University of Athens, http://www2.di.uoa.gr/en/lessonsemest.php?GetWhat=6
Nema podataka o izvođačima nastave
Nema definiranih ispitnih rokova
Nema podataka o rasporedu
Copyright © 2015 FOI Varaždin. All Rights Reserved. Sva prava pridržana.
Povratak na vrh