Uvod u raspoznavanje uzoraka

Ishodi učenja

  1. razumijeti osnovne koncepte iz raspoznavanja uzoraka
  2. uporabiti znanje u oblikovanju sustava za raspoznavanje
  3. integrirati i kombinirati znanja u cilju dobivanja novih rješenja
  4. vrednovati i ocijeniti uporabnost metoda raspoznavanja

Oblici nastave

Predavanja

Mješovito e-učenje

Tjedni plan nastave

  1. Osnovni modeli sustava raspoznavanja uzoraka te primjeri primjene
  2. Linearne i nelinearne decizijske funkcije
  3. Linearne i nelinearne decizijske funkcije
  4. Linearne i nelinearne decizijske funkcije
  5. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje)
  6. Izlučivanje i kodiranje značajki
  7. Bajesovo pravilo za klasifikaciju
  8. Međuispit
  9. Bajesovo pravilo za klasifikaciju
  10. Multivarijatni gaussovski Bayesov model
  11. Jezični pristup raspoznavanju uzoraka. otkrivanje gramatike temeljeno na vjerojatnosti
  12. Jezični pristup raspoznavanju uzoraka. otkrivanje gramatike temeljeno na vjerojatnosti
  13. Algoritam k-srednjih vrijednosti
  14. Prilagodljivi algoritmi za grupiranje (ISODATA)
  15. Završni ispit

Studijski programi

Sveučilišni preddiplomski
Elektrotehnika i informacijska tehnologija (studij)
Izborni predmeti (6. semestar)
Računarstvo (studij)
Izborni predmeti (6. semestar)

Literatura

(.), S. Theodoridis, K. Koutroumbas, Pattern Recogniton,
(.), R.O. Duda, P. E. Hart, D.G. Stork, Pattern Classification,
(.), L. Gyrgyek, N. Pavešić, S. Ribarić, Uvod u raspoznavanje uzoraka,
(.), J.T. Tou, R.C. Gonzalez, Pattern Recognition Principles, Addison-Wesley,1977,

Izvedba

ID 183489
  Ljetni semestar
4 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
0 Auditorne vježbe
0 Laboratorijske vježbe
0 Konstrukcijske vježbe