Raspoznavanje uzoraka

Ishodi učenja

  1. objasniti i definirati pojmove iz raspoznavanja uzoraka
  2. objasniti i razlikovati postupke, metode i algoritme u području raspoznavanja uzoraka
  3. primijeniti metode iz raspoznavanja uzoraka u novim složenim aplikacijama
  4. analizirati i raščlaniti problem složenog sustava raspoznavanja uzoraka
  5. dizajnirati i razviti sustav za raspoznavanje uzorka za određenu aplikaciju
  6. ocijeniti kvalitetu rješenja sustava za raspoznavanje uzoraka

Oblici nastave

Predavanja

Seminari i radionice

Tjedni plan nastave

  1. Osnovni modeli sustava raspoznavanja uzoraka te primjeri primjene, Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje)
  2. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje)
  3. Linearne i nelinearne decizijske funkcije
  4. (en) Discriminant analysis, Fisherova linearna diskriminantna analiza (FLDA)
  5. (en) Discriminant analysis
  6. (en) Support vector machine for classification
  7. (en) Support vector machine for classification
  8. Međuispit
  9. Bajesovo pravilo za klasifikaciju
  10. Analiza glavnih komponenata, Bajesovo pravilo za klasifikaciju
  11. (en) Confusion matrix-based performance measures (accuracy, precision, recall, sensitivity, F-score)
  12. biometrijska identifikacija osoba
  13. Jezični pristup raspoznavanju uzoraka. otkrivanje gramatike temeljeno na vjerojatnosti, Markovljevi i skriveni Markovljevi modeli
  14. (en) Cluster analysis, raspoznavanje u multimedijskim dokumentima, Markovljevi i skriveni Markovljevi modeli, Algoritam k-srednjih vrijednosti, Max-min grupiranje
  15. Završni ispit

Studijski programi

Sveučilišni diplomski
Audiotehnologije i elektroakustika (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Automatika i robotika (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Elektroenergetika (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Elektroničko i računalno inženjerstvo (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Elektronika (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Elektrostrojarstvo i automatizacija (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Informacijsko i komunikacijsko inženjerstvo (profil)
Izborni predmeti profila (1. semestar) (3. semestar)
Komunikacijske i svemirske tehnologije (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Izborni predmet profila (1. semestar) (3. semestar)
Računalno inženjerstvo (profil)
Slobodni izborni predmeti (1. semestar)
Računalno modeliranje u inženjerstvu (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Računarska znanost (profil)
Jezgreni predmeti profila (1. semestar) (3. semestar)
Znanost o mrežama (profil)
Slobodni izborni predmeti (1. semestar) (3. semestar)
Znanost o podacima (profil)
Izborni predmeti profila (1. semestar) (3. semestar)

Literatura

(.), S. Theodoridis, K. Koutroumbas, Pattern Recogniton,Elsevier,2009,978-0123695314,
(.), R.O. Duda, P. E. Hart, D.G. Stork, Pattern Classification,J. Wiley, New York, 2001,
(.), L. I. Kuncheva, Combining Pattern Classifiers: Methods and Algorithms, Wiley-Blackwell, 2004, 978-0471210788,
(.), L. Gyrgyek, N. Pavešić, S. Ribarić, Uvod u raspoznavanje uzoraka, Tehnička knjiga Zagreb, 1988.,

Za studente

Izvedba

ID 222770
  Zimski semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
6 Auditorne vježbe