Popis předmětu - AD4B33RPZ

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
AD4B33RPZ Rozpoznávání a strojové učení Rozsah výuky:14+6c
Garanti:  Role:PO,V Jazyk výuky:CS
Vyučující:  Zakončení:Z,ZK
Zodpovědná katedra:13133 Kreditů:6 Semestr:Z

Anotace:

Základní úlohou rozpoznávání je nalezení strategie rozhodování minimalizující ztrátu plynoucí z chybných rozhodnutí. Potřebná znalost o (typicky statistickém) vztahu příznaků, t.j. pozorovatelných vlastností objektů a skrytých parametrů objektů (třídě) je získána učením. Jsou představeny základní formulace úlohy rozpoznávání a principy učení. Návrh, učení a vlastnosti základních typů klasifikátorů (strojů realizující rozhodovací strategii) jsou rozebrány do hloubky. Do této skupiny jsou zahrnuty parametrické klasifikátory, perceptron, klasifikátory typu support vector machines, adaboost a neuronové sítě.

Výsledek studentské ankety předmětu je zde: A4B33RPZ

Cíle studia:

Naučit studenta formulovat úlohu statistického rozhodování rozpoznávání), používat metody strojového učení, a řešit rozpoznávací úlohu pomocí nejpoužívanějších učících se klasifikátorů (SVM, Adaboost, neuronová síť, perceptron, nejbližší soused)

Osnovy přednášek:

1. Formulace úloh řešených v rozpoznávání. Mapa předmětu. Základní ojmy.
2. Bayesovská úloha rozhodování, tj. statistické rozhodování jako minimalizace střední ztráty.
3. Nebayesovské úlohy
4. Odhady parametrů pravděpodobnostních modelu. Metoda maximální věrohodnosti.
5. Klasifikace metodou nejbližšího souseda.
6. Lineární klasifikátor. Perceptronový algoritmus.
7. Učení metodou Adaboost.
8. Učení jako kvadraticky optimalizační problém. SVM klasifikátory.
9. Učení metodou backpropagation. Neuronové sítě.
10. Učení rozhodovacích stromů
11. Učení a logistická regrese.
12. EM (Expectation Maximization) algoritmus.
13. Sekvenční rozpoznávání (Waldova analýza).
14. Druhý průchod učivem. Rezerva

Osnovy cvičení:

Studenti řeší několik rozpoznávacích úloh, např. rozpoznání ručně psaných znaků, identifikaci obličeje či detekci spamu pomocí jak klasických metod, tak pomocí učících se klasifikátorů.
1. Úvodní cvičení. Instalace STPR toolboxu, práce s Matlabem, jednoduchý příklad
2. Bayesovská úloha rozhodování.
3. Nebayesovské úlohy - úloha Neyman-Pearson
4. Nebayesovské úlohy - Minimaxní úloha
5. Maximálně věrohodný odhad
6. Neparametrické odhady Parzenova okénka
7. Lineární klasifikátor - Perceptron
8. AdaBoost
9. Support Vector Machines I 10.Support Vector Machines II
11. EM algoritmus I 12.EM algoritmus II
13. Odevzdávání a kontrola úloh
14. Odevzdávání a kontrola úloh

Literatura:

1. Duda, Hart, Stork: Pattern Classification, 2001.
2. Bishop: Pattern Recognition and Machine Learning, 2006.
3. Schlesinger, Hlavac: Ten Lectures on Statistical and Structural Pattern Recognition, 2002 (Deset přednášek z teorie statistického a strukturního rozpoznávání, 1997).

Požadavky:

Předpokládá se znalost lineární algebry, mat. analýzy a pravděpodobnosti a statistiky.

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

Klíčová slova:

statistické rozhodování, strojové učení, klasifikace,

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
BKOI2 Informatika a počítačové vědy PO 5
BKEEM1 Aplikovaná elektrotechnika V 5
BKEEM_BO Před zařazením do oboru V 5
BKEEM2 Elektrotechnika a management V 5
BKKYR_BO Před zařazením do oboru V 5
BKKYR3 Systémy a řízení V 5
BKKYR2 Senzory a přístrojová technika V 5
BKKYR1 Robotika V 5
BKKME_BO Před zařazením do oboru V 5
BKKME4 Síťové a informační technologie V 5
BKKME3 Aplikovaná elektronika V 5
BKKME2 Multimediální technika V 5
BKKME1 Komunikační technika V 5
BIS(ECTS)-D Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) V
BKSTMSI Softwarové inženýrství V
BKSTMWM Web a multimedia V
BKSTMMI Manažerská informatika V
BKSTMIS Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) V
BKSTM_BO Před zařazením do oboru V
BSI(ECTS)-D Softwarové inženýrství V
BWM(ECTS)-D Web a multimedia V
BMI(ECTS)-D Manažerská informatika V


Stránka vytvořena 22.4.2019 17:48:25, semestry: Z,L/2020-1, L/2019-20, Z,L/2018-9, Z/2019-20, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)
Za obsah odpovídá: doc. Ing. Ivan Jelínek, CSc.