EQ2340 Mönsterigenkänning 7,5 hp

Pattern Recognition

OBS!

Detta är en nedlagd kurs.

Hur kan du få en dator att förstå din röst? Hur kan du få en dator att känna igen din handskrift? Hur detekterar du signalmönster som är begravda i brus? Hur kan en dator skilja mellan EKG inspelningar från friska och sjuka hjärtan? Kursen i Mönsterigenkänning ger dig teorin att svara på denna typ av frågor. I kursprojektet skapar du din egen Matlab-verktygslåda för mönsterigenkänning.

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Elektroteknik
  • Betygsskala

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

Sista planerade examination: HT21.

Kurstillfällen/kursomgångar

HT18 för programstuderande INSTÄLLD

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.

Behörighet

För fristående kursstudent: 120 hp samt Engelska B eller motsvarande.

Rekommenderade förkunskaper

  • SF1901 Sannolikhetesteori och statistik, or equivalent.
  • EQ1220 Signalteori eller motsvarande är rekommenderad men ej nödvändig.

Litteratur

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

Se kurshemsidan för aktuell information.

Examination

  • INL1 - Inlämningsuppgift, 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/Teknisk informationsvetenskap

Kontaktperson

Saikat Chatterjee <sach@kth.se>

Examinator

Saikat Chatterjee <sach@kth.se>

Övrig information

Ersatts av EQ2341.

Versionsinformation

Kursplan gäller från och med HT2015.
Examinationsinformation gäller från och med HT2015.