Vyučující
|
-
Nouza Jan, prof. Ing. CSc.
|
Obsah předmětu
|
Přednášky: 1. Úvod do problematiky, představení typických úloh pro rozhodování a klasifikaci. 2. Základní kroky při tvorbě klasifikačních a rozhodovacích systémů. 3. Příznakový popis objektů při klasifikaci. 4. Rozpoznávání založené na metodě minimální vzdálenosti. 5. Rozpoznávání založené na metodě maximální věrohodnosti. Bayesovský klasifikátor. 6. Metody výběru příznaků. 7. Metody shlukování. 8. Metody prohledávání ve stavovém prostoru. 9. Principy neuronových sítí. 10. Příklady reálných systémů pro rozpoznávání řeči, textu a obrazu. 1. Introduction to recognition, classification and decision tasks. 2. Design of classification and identification systems. 3. Feature based recognition methods. 4. Minimum distance methods. 5. Maximum likelihood methods. Bayesian classifier. 6. Feature selection methods. 7. Clustering methods. 8. Search in state space. 9. Principles of neural networks. 10. Demostration of real (speech, text and image) recognition systems Cvičení: 1. Zpracování a vizualizace dat v prostředí MATLAB. 2. Statistické zpracování dat v prostředí MATLAB. 3. Klasifikátor typu NN a KNN. 4. Klasifikátor s etalony a různými typy vzdáleností. 5. Pravděpodobnostní klasifikátor. 6. Kompletní bayesovský klasifikátor. 7. Metody selekce příznaků. 8. Metody shlukování dat. K-Means a LGB algoritmus. 9. Metoda hledání ve stavovém prostoru. A*. 10. Zápočet.
|
Studijní aktivity a metody výuky
|
Monologický výklad (přednáška, prezentace, vysvětlování)
- Účast na výuce
- 56 hodin za semestr
|
Výstupy z učení
|
Předmět je úvodem do problematiky počítačového rozhodování a klasifikace. Studenti se seznámí s metodami řešení úloh ve stavovém prostoru, metodami příznakového a syntaktického popisu objektů spolu s technikami pro jejich následnou klasifikaci a základními pojmy z oblasti neuronových sítí. Předmět bude vyučován v anglickém jazyce a je určen zejména pro ty zájemce, kteří se připravují na zahraniční pobyt v rámci programu ERASMUS v navazujícím studiu.
Zakladni znalosti metod rozpoznávání, klasifikace, rozhodování, třídění a shlukování dat.
|
Předpoklady
|
Podmínka registrace: znalosti na úrovni základních kursů matematiky a statistiky. Programování v MATLAB. Předmět je vyučován zahraničním lektorem většinou v rámci dvoutýdenního intenzivního kurzu (přednášky a semináře každý den) konaného koncem semestru. Předmět je otevřen, jen pokud se přihlásí alespoň 8 studentů.
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška
Podmínkou zápočtu je aktivní účast na cvičeních.
|
Doporučená literatura
|
-
David G. Stork, Elad Yom-Tov. Computer Manual in MATLAB to Accompany Pattern Classification. 2004.
-
Kotek Z., Mařík V., Hlaváč V., Psutka J., Zdráhal Z. Metody rozpoznávání a jejich aplikace.. Academia, Praha, 1993.
-
Mařík V., Štěpánková O., Lažanský J. a kol. Umělá inteligence (1). Academia, Praha, 1993.
-
Richard O. Duda, Peter E. Hart, David G. Stork. Pattern Classification. 2001.
|