Αναγνώριση Προτύπων


Κωδικός 3.3.3208.9
Εξάμηνο 9o
Ροή Σ - Σήματα, Έλεγχος και Ρομποτική
Κατηγορία Κατ' επιλογήν υποχρεωτικό
Ώρες Διδασκαλίας - Ώρες Εργαστηρίου 3 - 1
Διδάσκοντες Πέτρος Μαραγκός (Δ.Ε.Π.), Αλέξανδρος Ποταμιάνος (Δ.Ε.Π.)

Περιγραφή

Εισαγωγή στη 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 τεχνικές εκμάθησης χωρίς επίβλεψη. Δέντρα απόφασης. Μετασχηματισμοί και επιλογή χαρακτηριστικών στο χώρο προτύπων όπως ανάλυση πρωτευουσών συνιστωσών (PCA), διακριτική ανάλυση (LDA), ή ανάλυση σε ανεξάρτητες συνιστώσες (ICA). Tεχνικές ταξινόμησης προτύπων με γραμμικές διακριτικές μηχανές τύπου Perceptron και Support Vector Machines. Μοντέλα μειγμάτων Γκαουσιανών (GMMs), κρυφά Μαρκοβιανά μοντέλα (HMMs), και αλγόριθμος Expectation-Maximization. Δυναμικά Bayesiannets. Πιθανοτικά γραφικά μοντέλα. Εργαστηριακές ασκήσεις.