En repetition och fördjupning av teorin bakom och metodiken för användning av flerlagersperceptroner och felkorrektionsinlärning. Mer om inlärningsteori och supportvektormaskiner (SVM). Grundläggande om statistisk metodik för lärande system och tekniker baserade på ”mixtures of experts”. Använding av attraktornät och SOM (Self-Organizing Maps) som associativa minnen och för klustering. Distribuerad och lokaliserad representation i neuronnät, t ex fuzzy representation och Gaussiska mixturer. ANN för tidsserieprediktion. Något om utvecklingstrender när det gäller hjärninspirerade algoritmer och arkitekturer.
Ett projekt där ANN tillämpas praktiskt på något större problem av typ klassificering, prediktion, kategorisering, klustring och/eller visualisering.
Efter kursen ska studenten kunna
- redogöra för olika ANN-metodiker och deras användbarhet för olika problemtyper såsom klassificering, clustering, associativt minne och tidsserieprediktion
- genomföra projekt med hjälp av ANN samt som del därav kunna
- välja lämplig metod och programvara för denna
- göra ett adekvat urval och förbearbetning av data
- tillämpa konvergensacceleration och pruning för att nå bästa prestanda
- förklara och använda valideringsmetodik, t ex korsvalidering
- utvärdera prestanda hos och jämföra olika ANN-metoder
för att studenten ska
- ha förmåga att självständigt tillämpa ANN-metodik på ett professionellt sätt
- kunna kritiskt utvärdera resultat från studier som utnyttjar ANN
- vara orienterad om forskningsfronten och utvecklingstrender inom ANN-området.