EN2202 Mönsterigenkänning 7,5 hp

Pattern Recognition

OBS!

Detta är en nedlagd kurs.

Please see course EQ2340.

How can you make a computer understand your voice? How can you make a computer understand your handwriting? How do you detect signal patterns that are hidden in noise? How can a computer distinguish between ECG recordings from healthy and sick hearts? The course in Pattern Recognition gives you the theory to answer this kind of questions. In the course project, you create your own MatLab toolbox for pattern recognition.

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Elektroteknik
  • Betygsskala

    A, B, C, D, E, FX, F

Sista planerade examination: HT17.

Det finns inget planerat kurstillfälle.

Lärandemål

Deltagarna skall efter genomgången kurs kunna

* konstruera system och algoritmer för mönsterigenkänning (signalklassificering), med tonvikt på sekvenser av mönster, som hanteras med t.ex. hidden-Markov-modeller (HMM).

* analysera klassificeringsproblem på probabilistisk grund och beräkna teoretiska prestanda,

* konstruera och analysera metoder för automatisk träning av klassificeringssystem,

* tillämpa maximum-likelihood-skattning av parametrar i tämligen komplexa probabilistiska modeller, t.ex. sammanvägda täthetsfunktioner (mixture-modeller) och hidden-Markov-modeller,

* förstå principen i Bayesiansk parameter-skattning och tillämpa den i enklare probabilistiska modeller.

Kursens huvudsakliga innehåll

Kursen behandlar mönsterigenkänningens teoretiska grunder och ger en introduktion till praktiska tillämpningar, speciellt inom taligenkänning och bild- eller ljudklassificering.

Kursupplägg

Föreläsningar (24 tim), övningar (24 tim), samt projektarbete.

Behörighet

För fristående kursstudent: 120 hp samt Engelska B eller motsvarande

Rekommenderade förkunskaper

  • SF1901 Probability Theory and Statistics, or equivalent.
  • EQ1220 Signal Theory or equivalent is recommended but not required.

Litteratur

Arne Leijon (20xx) Pattern Recognition. KTH. (senaste version)

Examination

  • INL1 - Inlämnings arbete, 2,5, betygsskala: A, B, C, D, E, FX, F
  • TEN1 - Tentamen, 5,0, betygsskala: A, B, C, D, E, FX, F

Skriftlig tentamen samt obligatoriskt enskild uppgift (projektarbete) som innefattar implementering av klassificeringsverktyg i Matlab.

Krav för slutbetyg

Tentamen 5p (betyg A-F). Obligatorisk enskild uppgift/ projektarbete 2.5p (A-F). Slutbetyg sammanvägs med vikten 25 för tentamen och 10 för projektarbetet.

Ges av

EES/Elkraftteknik

Kontaktperson

Saikat Chatterjee <sach@kth.se>

Examinator

Markus Flierl <mflierl@kth.se>

Mikael Skoglund <skoglund@kth.se>

Övrig information

Allt kursmaterial på engelska. All redovisning på svenska eller engelska.

Versionsinformation

Kursplan gäller från och med HT2010.
Examinationsinformation gäller från och med HT2010.