Hoppa till huvudinnehållet
Om kursen

EN2202 Mönsterigenkänning 7,5 hp

Administrera Om kursen

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.

Kursomgångar saknas för tidigare och kommande terminer, samt för innevarande termin.
Rubriker med innehåll från kursplan EN2202 (HT 2010–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

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

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.

Kursupplägg

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

Kurslitteratur och förberedelser

Särskild 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.

Utrustning

Ingen information tillagd

Kurslitteratur

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

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

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

Examination

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

Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

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

Övriga 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.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Mikael Skoglund

Profile picture Markus Flierl

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb EN2202

Ges av

EES/Elkraftteknik

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Saikat Chatterjee

Övrig information

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