Opis predmeta
- Uvod: definicije, oblike vzorcev, razpoznavanje vzorcev z razvrščanjem in analizo, uporaba metod razpoznavanja vzorcev v gospodarstvu, prometu, medicini, robotiki, bančništvu, kriminalistiki, pri komunikaciji človek-stroj ipd.
- Predobdelava vzorcev: obnavljanje, izboljšanje kakovosti, normalizacija.
- Razčlenjevanje vzorcev: zasnova, razčlenjevanje vidnih vzorcev, razčlenjevanje slušnih vzorcev.
- Značilke vzorcev: hevristični in matematični postopki določanja značilk.
- Analiza primernosti opisa področja uporabe z učno množico vzorcev: mere razdalje med vzorci, preizkus rojenja vzorcev, »izrazita« in »neizrazita« definicija rojenja, postopki iskanja rojev, »globoko« učenje generativnih modelov.
- Razvrščanje vzorcev: razvrščanje vektorjev vrednosti značilk s prileganjem, odločanjem, sklepanjem in umetnimi nevronskimi omrežji; razvrščanje nizov vrednosti značilk z dinamičnim programiranjem in prikritimi Markovovimi modeli; razvrščanje grafnih struktur s prileganjem; razvrščanje ob upoštevanju soodvisnosti vzorcev.
- Kombiniranje in zlivanje razvrščevalnikov.
Predmet učimo na programih
Cilji in kompetence
Seznaniti študenta z naprednimi matematičnimi in računalniškimi metodami razpoznavanja vzorcev z razvrščanjem in analizo.
Metode poučevanja in učenja
- predavanja,
- individualne konzultacije,
- seminarski projekti.
Predvideni študijski rezultati
Po zaključku predmeta bo študent zmožen izkazati znanje in razumevanje iz:
- gradnje sistemov, ki temelje na razpoznavanju signalov iz okolja,
- modeliranja določenih razumskih zmožnosti človeka (zaznavanje in spoznavanje okolja, učenje),
- sodobnih metod razčlenjevanja, luščenja značilk, rojenja in razvrščanja vzorcev.
Med študijem pri tem predmetu bo pridobil ali nadgradil prenosljive spretnosti, kot so:
- uporaba informacijske tehnologije: uporaba razvojnih orodij (OpenCV, Weka Data Mining Toolkit), okolij za programiranje (Matlab, GNU Compiler Collection, Netbeans), programskih jezikov (Matlab, C++, Java),
reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa.
Temeljni viri in literatura
- Pavešić , N (2012) Razpoznavanje vzorcev : uvod v analizo in razumevanje vidnih in slušnih signalov – 3., popravljena in dopolnjena izdaja, Založba FE in FRI, Slovenija
- Murphy , KP (2012) Machine learning: a probabilistic perspective, MIT Press, Cambridge, MA
- Theodoridis S, Koutroumbas K (2009) Pattern Recognition, Fourth Edition, Academic Press
- Bishop, CM (2009) Pattern recognition and machine learning, Springer, New York