Αναγνώριση Προτύπων - Νευρωνικά Δίκτυα


Εισαγωγή, στόχοι και σημασία της αναγνώρισης προτύπων. Συλλήψεις και συμβάντα. Πρότυπα και χαρακτηριστικά,. τάξεις και συγκεντρώσεις. Διανυ-σματική περιγραφή Προτύπων. Ισότητα και Ομοιότητα Προτύπων. Αποστάσεις και Εσωτερικό Γινόμενο. Πίνακας Μεταβλητότητας. Προσδιορισμός Συγκεντρώσεων και Τάξεων. Εκπαίδευση με και χωρίς επόπτη. Ταξινόμηση και Ταξινομητές. Γραμμικές Διακριτικές Συναρτήσεις. Γραμμικοί ταξινομητές, νευρωνικά δίκτυα perceptron. Μη γραμμικά προβλήματα ταξινόμησης. Νευρωνικά δίκτυα back propagation. Στατικές Μέθοδοι Ταξινόμησης. Κανόνας Απόφασης του Βayes. Κανόνας του κοντινότερου γείτονα. Εκπαίδευση Χωρίς Επόπτη. Προσδιορισμός Συγκεντρώσεων. Μέθοδος της αλυσίδας. Αυτοοργανούμενοι πίνακες χαρακτηριστικών. Νευρωνικό δίκτυο Kohonen. Αξιολόγηση και επιλογή χαρακτηριστικών. Ανάλυση κύριων συνιστωσών. Εκπαίδευση νευρωνικών δικτύων με τον κανόνα του Ηebb. Εφαρμογές.


Στόχοι Μαθήματος

Οι σπουδαστές διδάσκονται τις βασικές έννοιες, τα μαθηματικά μοντέλα και τις μεθόδους του κλάδου. Γνωρίζουν τις προκλήσεις του χώρου και αποκτούν το βασικό υπόβαθρο για περαιτέρω επιστημονικό και ερευνητικό έργο.


Προαπαιτούμενες Γνώσεις

όχι


Περιεχόμενα

Εισαγωγή, στόχοι και σημασία της αναγνώρισης προτύπων. Συλλήψεις και συμβάντα. Πρότυπα και χαρακτηριστικά,. τάξεις και συγκεντρώσεις. Διανυ-σματική περιγραφή Προτύπων. Ισότητα και Ομοιότητα Προτύπων. Αποστάσεις και Εσωτερικό Γινόμενο. Πίνακας Μεταβλητότητας. Προσδιορισμός Συγκεντρώσεων και Τάξεων. Εκπαίδευση με και χωρίς επόπτη. Ταξινόμηση και Ταξινομητές. Γραμμικές Διακριτικές Συναρτήσεις. Γραμμικοί ταξινομητές, νευρωνικά δίκτυα perceptron. Μη γραμμικά προβλήματα ταξινόμησης. Νευρωνικά δίκτυα back propagation. Στατικές Μέθοδοι Ταξινόμησης. Κανόνας Απόφασης του Βayes. Κανόνας του κοντινότερου γείτονα. Εκπαίδευση Χωρίς Επόπτη. Προσδιορισμός Συγκεντρώσεων. Μέθοδος της αλυσίδας. Αυτοοργανούμενοι πίνακες χαρακτηριστικών. Νευρωνικό δίκτυο Kohonen. Αξιολόγηση και επιλογή χαρακτηριστικών. Ανάλυση κύριων συνιστωσών. Εκπαίδευση νευρωνικών δικτύων με τον κανόνα του Ηebb. Εφαρμογές.

ΤΑΥΤΟΤΗΤΑ ΜΑΘΗΜΑΤΟΣ

Βαθμίδα:

Τύπος:

Προπτυχιακό

(A+)


Εκπαιδευτές: Χαράλαμπος Στρουθόπουλος
Τμήμα: Τμήμα Μηχανικών Πληροφορικής ΤΕ
Ίδρυμα: ΤΕΙ Κεντρικής Μακεδονίας
Θεματική Περιοχή: Επιστήμες Υπολογιστών, Πληροφορικής, Τηλεπικοινωνιών
Άδεια Χρήσης: CC - Αναφορά - Παρόμοια Διανομή

Επισκεφτείτε το μάθημα

ΜΟΙΡΑΣΤΕΙΤΕ ΤΟ ΜΑΘΗΜΑ
ΣΧΕΤΙΚΑ ΜΑΘΗΜΑΤΑ