ČeskyEnglish

Popis předmětu - A4B33RPZ

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
A4B33RPZ Rozpoznávání a strojové učení Rozsah výuky:2+2c
Garanti:Matas J. Role:PO,V Zakončení:Z,ZK
Vyučující:Drbohlav O., Matas J.
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:

URL: http://cw.felk.cvut.cz/doku.php/courses/a4b33rpz/start

Webová stránka:

http://cw.felk.cvut.cz/doku.php/courses/a4b33rpz/start

Klíčová slova:

statistické rozhodování, strojové učení, klasifikace,

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MPBIO2 Biomedicínské inženýrství V
MPBIO1 Biomedicínská informatika V
BPKYR_BO Před zařazením do oboru V 5
BPKYR3 Systémy a řízení V 5
BPKYR2 Senzory a přístrojová technika V 5
BPKYR1 Robotika V 5
BPKME5 Komunikace a elektronika V 5
BPKME4 Síťové a informační technologie V 5
BPKME3 Aplikovaná elektronika V 5
BPKME1 Komunikační technika V 5
BPKME2 Multimediální technika V 5
BPKME_BO Před zařazením do oboru V 5
BPEEM_BO Před zařazením do oboru V 5
BPEEM1 Aplikovaná elektrotechnika V 5
BPEEM2 Elektrotechnika a management V 5
BKSIT Před zařazením do oboru V
BPSTMMI Manažerská informatika V
BPSTMWM Web a multimedia V
BPSIT Před zařazením do oboru V
BPSTMSI Softwarové inženýrství V
BPSTM_BO Před zařazením do oboru V
BPSTMIS Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) V
BIS(ECTS) Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) V
BSI(ECTS) Softwarové inženýrství V
BMI(ECTS) Manažerská informatika V
BWM(ECTS) Web a multimedia V
BPOI2 Informatika a počítačové vědy PO 5


Stránka vytvořena 25.9.2017 12:47:26, semestry: L/2016-7, Z,L/2017-8, Z/2018-9, 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.