Rozpoznávání

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra kybernetiky

Anotace:

Aktuální www stránky předmětu viz

https://cw.fel.cvut.cz/wiki/courses/xp33rod/start

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/XP33ROD

Požadavky:

Předpokládám základní matematické znalosti. Znalost pravděpodobnosti a statistiky je výhodou.

Osnova přednášek:

Formulace úloh řešených v rozpoznávání. Bayesovský

a nebayesovský přístup.

Dva užitečné speciální statistické modely, podmíněná nezávislost příznaků a gaussovské modely. Vyrovnání příznakového prostoru.

Odhad pravděpodobnostních modelů. Parametrické a neparamtetrické metody.

Experimentální hodnocení klasifikátoru. ROC křivka.

Učení v rozpoznávání. VC dimenze. Odhad potřebné délky trénovací posloupnosti.

Lineární klasifikátory. SVM klasifikátory. Jádrové metody.

Učení bez učitele. Shluková analýza. EM algoritmus.

Konvoluční neuronové sítě.

Strukturální metody vnořené do statistického paradigmatu. Rozpoznávání markovských řetězů. Strukturální metody.

Posilované učení.

Osnova cvičení:

Předmět nemá cvičení. Studenti mohou psát cvičný článek s pomocí přednášejícího.

Cíle studia:

Studijní materiály:

Schlesinger M.I., Hlavac V.: Ten lectures from statistical and structural pattern recognition, Kluwer Academic Publishers, 2002.

Duda R.O., Hart P.E., Stork D.G.: Pattern Classification, John Wiley and Sons, 2001.

Bishop, C.M: Pattern Recognition and Machine Learning, Springer, New York, 2006.

Poznámka:

Další informace:

https://cw.fel.cvut.cz/wiki/courses/xp33rod/start

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Doktorské studium, prezenční forma (povinně volitelný předmět)
• Doktorské studium, kombinovaná forma (povinně volitelný předmět)
• Doktorské studium, strukturované prezenční (povinně volitelný předmět)
• Doktorské studium, strukturované kombinované (povinně volitelný předmět)