Rozpoznawanie Wzorców

Celem kursu jest zapoznanie z podstawowymi metodykami rozpoznawania wzorców i powiązanymi z nimi algorytmami uczenia maszynowego, które znajdują zastosowanie przy projektowaniu algorytmów rozpoznawania obrazów, sygnału mowy i strategii decyzyjnych agenta Sztucznej Inteligencji Rozdział 1 stanowi wstęp do tematyki rozpoznawania wzorców. Rozdziały od 2 do 5 dotyczą transformat wektorowych przestrzeni reprezentacji wzorców i ich cech. W rozdziałach od 6 do 8 omawiane są sposoby uczenia się przed indukcję (obserwację) – tworzenie pojęć, uczenie się reguł klasyfikacji i aproksymacji funkcji. Rozdziały od 9 do 11 poświęcone są klasyfikatorom cech, przedstawieniu ich reguł decyzyjnych i sposobów uczenia. Omawiana jest też rola sztucznych sieci neuronowych w klasyfikacji i aproksymacji funkcji decyzyjnych. Rozdziały od 12 do 14 opisują metodyki rozpoznawania sekwencji wzorców, estymacji stanu w czasie i uczenia się strategii decyzyjnej, opartych na modelu stochastycznych procesów Markowa. Rozdział 15 zawiera zadania sprawdzające wraz z rozwiązaniami i propozycje tematów prac projektowych, weryfikujące wiedzę i umiejętności słuchacza.