Statistisk mønstergjenkjenning

Emnet undervises annet hvert år, neste gang vår 2018.

Emnet omhandler statistiske metoder for klassifisering og gruppering.

Innen klassifisering gjennomgås basisteori (Bayes), parametriske og ikke-parametriske metoder, ulike estimeringsteknikker, distorsjonsmål, lineære og ulineære klassifiserere inkludert dype nevrale nettverk, ulike klassifiserer-strukturer, statiske og dynamiske problemstillinger, generalisering etc.

Innen gruppering gjennomgås hierarkiske metoder, klassiske metoder som K-means og nyere teknikker som fuzzy, kompetitive metoder, latent semantisk analyse, etc. Videre valg av distorsjonmål og optimaliseringsfunksjon tilpasset inngangstopologien.

Kunnskaper: Studenten skal tilegne seg kunnskap om statistiske metoder for klassifisering og gruppering. Dette gjelder både basisteori samt state-of-the-art metoder.

Ferdigheter : Studenten skal lære å bruke teorien på ulike fysiske signaler som eksempelvis bilder, tale, medisinske signaler.

Forelesninger samt selvstudium