Razpoznavanje vzorcev

Študij: Elektrotehnika, UN 2 stopnja

Smer: Avtomatika in informatika

Izvajanje: 3-2

Letnik: 1 letnik (zimski semester)

Kreditne točke: 6 točk

Predavatelj: izr. prof. dr. Simon Dobrišek

Asistent: doc. dr. Vitomir Štruc

Cilji predmeta

Seznaniti študenta z osnovnimi načeli gradnje umetnih zaznavnih sistemov, ki so nepogrešljiv del inteligentnih sistemov v avtomatiki.

Vsebina

Vsebina predmeta se predstavi tekom predavanj, ki so razdeljena v naslednje vsebinske sklope:

  • Kaj je razpoznavanje vzorcev: osnovni pojmi in izrazoslovje, začetni zapis vzorcev, računska zapletenost algoritmov razpoznavanja, razvrstitev postopkov razpoznavanja vzorcev.
  • Razčlenjevanje vzorcev: razčlenjevanje govornega signala in slik.
  • Zapis vzorcev z množico značilk: približni zapis vzorcev z začetnimi členi ortogonalnih transformacij, hevristične značilke izsekov govornega signala in področij slike, najboljše značilke vzorcev.
  • Analiza področja uporabe v vzorčnem prostoru s postopki iskanja rojev: definicija rojev in rojenja vzorcev, mere podobnosti vzorcev, predobdelava množice vzorcev, hierarhični postopek iskanja rojev.
  • Razvrščanje vzorcev s prileganjem: pravilo razvrščanja “k-najbližjih sosedov”.
  • Razvrščanje vzorcev z odločanjem: odločitvene funkcije, trije načrti razvrščevalnikov, polinomske odločitvene funkcije, postopki učenja, verjetnostne odločitvene funkcije, učenje verjetnostnih odločitvenih funkcij.
  • Razvrščanje vzorcev z večplastnim perceptronom: topologija nevronskega omrežja, vzvratno učenje.
  • Preizkušanje razpoznavalnika vzorcev: postopki ocenjevanja verjetnosti napačnega razpoznavanja z in brez preizkusne množice vzorcev.

Literatura

  • N. Pavešić: Razpoznavanje vzorcev: uvod v analizo in razumevanje vidnih in slušnih signalov, 3. popravljena in dopolnjena izd., 2 zv., Založba FE in FRI, 2012.
  • Theodoridis, K. Koutroumbas: Pattern Recognition, 4. popravljena in dopolnjena izd., Academic Press, 2009.
  • C. M. Bishop: Pattern Recognition and Machine Learning, Springer, 2007

Vsebina predmeta je v celoti zajeta v učbeniku: “N. Pavešić, Razpoznavanje vzorcev: uvod v analizo in razumevanje vidnih in slušnih signalov, 3. popravljena in dopolnjena izd., 2 zv., Založba FE in FRI, 2012”. Vsebina je zajeta po naslednji straneh te knjige:

  • Kaj je razpoznavanje vzorcev? (str. 1-23)
  • Razčlenjevanje vzorcev. (str. 71-86, 90-94, 98-119)
  • Zapis vzorcev z množico značilk. (str. 131-165, 170-220)
  • Analiza področja uporabe s postopki iskanja rojev. (str. 225-235, 237-238, 239-244, 245-249, 257-263, 283)
  • Razvrščanje vzorcev s prileganjem. (str. 287-290, 297-304, 313-324, 467-473) .
  • Razvrščanje vzorcev z odločanjem. (str. 330-363, 368-386)
  • Razvrščanje vzorcev z večplastnim perceptronom. (str. 396, 399-408)
  • Razvrščanje vzorcev z odločitvenimi drevesi. (str. 425-435)
  • Preizkušanje razpoznavalnika vzorcev. (str. 23-27)

Pogoji za vključitev v delo

  • Zaključen dodiplomski študij na področju elektrotehnike ali sorodnih tehniških oziroma naravoslovno-matematičnih ved.
  • Vpis v študijski program.
  • Osnovno znanje uporabne matematike (vektorji in matrike, lastni vektorji in lastne vrednosti, linearna algebra, več-variabilna analiza, verjetnostna teorija in statistika).

Kaj bom znal?

Po zaključku tega predmeta bo študent zmožen izkazati znanje in razumevanje:

  • gradnje inteligentnih sistemov, ki temeljijo na metodah razpoznavanju vzorcev,
  • modeliranja določenih umskih zmožnosti človeka (zaznavanje in spoznavanje okolja, učenje),
  • metod luščenja značilk, rojenja, razvrščanja in razpoznavanja.

Uporaba znanja:

Pridobljeno znanje bo študent lahko uporabil pri gradnji tehniških sistemov, ki lahko z gledanjem, poslušanjem in tipanjem s simboli opisujejo okolje, ki jih obkroža. Takšni sistemi so  nepogrešljiv del  vsakega  inteligentnega  (robotskega) sistema,  lahko  pa  jih uporabljamo   tudi  kot  samostojne  izdelke  visoke   tehnološke vrednosti. Študent bo zmožen kritično ovrednotiti skladnost med pridobljenim znanjem ter uporabo konceptov iz teorije  razpoznavanja vzorcev v praksi.

Prenosljive spretnosti:

Študent si bo pridobil spretnosti:

  • uporabe literature ter drugih virov s področja razpoznavanja vzorcev, strojnega učenja in umetne inteligence.
  • uporaba računalniških razvojnih orodij in okolij za programiranje (pisanje programov v enem od programskih jezikov C/C++, C#, Java, Python ali z uporabo razvojnega okolja MatLab),
  • reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa,

E-učilnica

Več informacij o predmetu najdete v e-učilnici.