Αναγνώριση Προτύπων και Νευρωνικά Δίκτυα

Στο μάθημα αυτό δίνεται η δυνατότητα στον σπουδαστή να εξοικειωθεί με βάσικες έννοιες που διέπουν την Αναγνώριση Προτύπων καθώς και τα Νευρωνικά Δίκτυα. Οι θεματικές ενότητες καλύπτουν τις περιοχές της Στατιστικής θεωρίας Bayes για την αναγνώριση προτύπων, των συναρτήσεων αποφάσεων και των αλγορίθμων εκμάθησης. Επιπλέον αναπτύσσονται οι βασικές αρχές τις αρχιτεκτονικής δικτύων καθώς επίσης και οι τεχνικές εκμάθησης νευρωνικών δικτυών. Ο σκοπός αυτός επιτυγχάνεται εύκολα αρκεί ο σπουδαστής να παρακολουθεί με συνέπεια το μάθημα και να συμμετέχει με τη λύση των ασκήσεων και την εκπόνηση των εργαστηριακών ασκήσεων/εργασιών που του ανατίθενται.

Στόχοι Μαθήματος

Στόχος του μαθήματος είναι οι σπουδαστές να κατανοήσουν τις θεμελιώδεις έννοιες στο τομέα της αναγνώρισης προτύπων και νευρωκικών δικτύων, όπως: Στατιστική θεωρία του Bayes στην αναγνώριση προτύπων. Συναρτήσεις απόφασης. Γραμμικές διαχωριστικές συναρτήσεις. Θεωρία των Neyman-Pearson στην αναγνώριση προτύπων. Αλγόριθμiκές διαδικασίες (Parzen, κοντινότερος γείτονας κ.α.) Δίκτυα με εμπρόσθια τροφοδότηση. Δίκτυα με ανάδραση.

Προαπαιτούμενες Γνώσεις

Η πληροφορία δεν είναι διαθέσιμη.

Περιεχόμενα

Στατιστική Bayes θεωρία για αναγνώριση προτύπων. Συναρτήσεις απόφασης. Κατηγοριοποίηση με συναρτήσεις απόφασης. Αλγόριθμοι εκμάθησης. Εισαγωγή στις βασικές έννοιες των νευρωνικών δικτύων. Βασικές αρχιτεκτονικές: Δίκτυα με εμπρόσθια τροφοδότηση, Δίκτυα με ανάδραση. Τεχνικές μάθησης νευρωνικών δικτύων: Εκπαίδευση με δάσκαλο και χωρίς δάσκαλο – σύνδεση με θεωρία βελτιστοποίησης. Αναγνώριση προτύπων με Νευρωνικά συστήματα.