Opinto-opas 2010-2011
Perus

Perus Pori KV Jatko Avoin

|Tutkinnot|     |Opintokokonaisuudet|     |Opintojaksot|    

Opinto-opas 2010-2011

SGN-2500 Johdatus hahmontunnistukseen, 4 op
Introduction to Pattern Recognition

Vastuuhenkilö

Jussi Tohka, Ulla Ruotsalainen

Opetus

Opetusmuoto P1 P2 P3 P4 Kesä Toteutuskerrat Luentoajat ja -paikat
Luennot
Harjoitukset


 


 


 
 24 h/per
 12 h/per


 
SGN-2500 2010-01 Tiistai 12 - 14, TB111
Keskiviikko 14 - 16, TB111

Suoritusvaatimukset

Tentti ja minimissään 30% harjoituksista hyväksytysti suoritettuna. Hyväksytty tenttisuoritus edellyttää vähintään noin puolet tentin maksimipistemäärästä.
Osasuoritusten pitää liittyä samaan toteutuskertaan

Opetukseen ja oppimiseen liittyvät periaatteet ja lähtökohdat

-

Osaamistavoitteet

Opintojakson suorittettuaan opiskelija tuntee hahmontunnistusjärjestelmien perusrakenteen ja luokituksen tilastollisen perustan (Bayes-luokitin). Hän erottaa ohjatun ja ohjaamattoman oppimisen menetelmät luokittimen suunnittelussa ja osaa soveltaa joitakin oppimisalgoritmeja luokittimen ohjattuun suunnitteluun (mallipohjainen suurimman uskottavuuden estimointi, k-lähintä naapuria). Opiskelija tuntee myös k-means klusterointi-algoritmin.

Sisältö

Sisältö Ydinaines Täydentävä tietämys Erityistietämys
1. Hahmontunnistusjärjestelmän rakenne, ohjattu ja ohjaamaton luokitus   Hahmontunnistusjärjestelmän suunnittelun pääpiirteet   
2. Perusteet monimuuttujajakaumista, tiheysfunktio, Bayesin päätösteoria, Bayes luokitin.  Bayesin minimiriskiluokitin   
3. Parametriset (suurimman uskottavuuden estimaatti) ja epäparametriset menetelmät (Parzen-ikkunat ja k lähintä naapuria) tiheysfunktion määrittämiseksi ja luokittemen suunnitteluun opetusdatan perusteella.     
4. Lineaariset luokittimet, Perceptron algoritmi  Pienimmän neliösumman menetelmä   
5. Hahmontunnistusjärjestelmien testaus, leave-one-out menetelmä     
6. Ohjaamattoman oppimisen menetelmät hahmontunnistuksessa. K-means klusterointi    EM-algoritmi 

Opintojakson arvostelu

Tentin läpipääsyvaatimus on noin 1/2 tentin maksimipisteistä, harjoituksista voi saada lisäbonusta, luentomonisteen asioiden hallinta ja harjoitusten osaaminen riittää hyvään arvosanaan.

Arvosteluasteikko:

Opintojaksolla käytetään numeerista arviointiasteikkoa (1-5)

Osasuoritukset:

Osasuoritusten pitää liittyä samaan toteutuskertaan

Oppimateriaali

Tyyppi Nimi Tekijä ISBN URL Painos,saatavuus... Tenttimateriaali Kieli
Kirja   "Pattern Classification"   Duda RO, Hart PE, Stork DG       2nd edition, Wiley, 2001      Englanti  
Opintomoniste   Johdatus hahmontunnistukseen   Jussi Tohka            Suomi  

Esitietovaatimukset

Opintojakso P/S Selite
MAT-20501 Todennäköisyyslaskenta Suositeltava    
SGN-1201 Signaalinkäsittelyn menetelmät Suositeltava    
SGN-1251 Signaalinkäsittelyn sovellukset Suositeltava    

Esitietoketju (Vaatii kirjautumisen POPiin)



Vastaavuudet

Opintojakso Vastaa opintojaksoa  Selite 
SGN-2500 Johdatus hahmontunnistukseen, 4 op 8001652 Introduction to Pattern Recognition, 2 ov  
SGN-2500 Johdatus hahmontunnistukseen, 4 op SGN-2506 Introduction to Pattern Recognition, 4 op  

Tarkempia tietoja toteutuskerroittain

Toteutus Kuvaus Opetusmuodot Toteutustapa
SGN-2500 2010-01        

Viimeksi muokattu21.12.2010