Razpoznavanje vzorcev

V okviru predmeta se študenti seznanijo s temeljnimi koncepti in metodami, ki se uporabljajo za obdelavo in razpoznavanje vzorcev, kot so govorni signali in računalniške slike. V uvodnem delu se seznanijo z osnovnimi pojmi, terminologijo in načini zapisovanja vzorcev. Nato se seznanijo z metodami razčlenjevanja vzorcev in določanja hevrističnih značilk ter z analizami področja uporabe v vzorčnem prostoru s postopki iskanja rojev. Poudarek je tudi na  določanju najboljših značilk vzorcev z uporabo različnih mer ločljivosti ter izpeljavo značilk z ortogonalnimi transformacijami. 

Nato se posveča načinom razvrščanja vzorcev z njihovim prileganjem že razvrščenim vzorcem ter z uporabo različnih odločitvenih funkcij, kot so polinomske in verjetnostne odločitvene funkcije. Posebna pozornost je posvečena razvrščanju vzorcev z različnimi modeli nevronskih omrežij. V zaključnem delu se obravnava preizkušanje razpoznavalnikov vzorcev in ocenjevanje verjetnosti napačnega razpoznavanja. 

Cilj predmeta je študentu podati znanje o osnovnih matematičnih in računalniških konceptih, ki se uporabljajo pri izgradnji umetnih zaznavnih sistemov in so nepogrešljiv del inteligentnih sistemov v avtomatiki. Pridobljeno znanje je podlaga za razumevanje in načrtovanje sistemov za samodejno razpoznavanje vzorcev ter umetnih inteligentnih sistemov, ki temeljijo na samodejnem učenju in pridobivanju znanja iz različnih senzorskih podatkov o okolju. 

Na predavanjih so podane teoretične osnove vseh obravnavanih modelov in metod. Predstavljeni so tudi preprosti računski primeri, ki ponazarjajo ključne značilnosti predstavljenih metod. Študentom je na razpolago učbenik in drugo gradivo v obliki skripte z rešenimi nalogami in drsnice s predavanj. V okviru predavanja študenti dobijo neobvezne domače naloge, ki vključujejo nekaj teoretičnih vprašanj in tudi nekaj računskih nalog, ki študentom omogočajo sprotno preverjanje pridobljenega znanja. Praktično delo poteka v okviru laboratorijskih vaj, kjer študenti rešujejo predvsem zadane programerske naloge. V okviru laboratorijskih vaj študenti izvedejo še izbirne projekte, v okviru katerih udejanjijo izbrano metodo samodejnega razpoznavanja vzorcev na izbranem področju uporabe. O rezultatih izbirnega projekta poročajo v pisnem poročilu.