33RPZ - Rozpoznávání

Zimní semestr 2005/2006, 2 hodiny přednášky, 2 hodiny cvičení týdně.

Přednáška je ve čtvrtek od 17:00 do 18:30 v posluchárně K9, budova E FEL ČVUT, areál Karlovo náměstí.

Předmět 33RPZ má studentovi poskytnout souhrnnou představu o rozpoznávání, jeho metodách, nástrojích a aplikacích. S velmi podobnými metodami se někdy setkáte pod názvy teorie rozhodování, analýza dat, dolování z dat, teorie učení, statistické učení.

Přednášející:  

prof. Ing. Václav Hlaváč, CSc.,  Ing. Vojtěch Franc
Katedra kybernetiky, Fakulta elektrotechnická ČVUT
hlavac@cmp.felk.cvut.cz, xfrancv@fel.cvut.cz, matas@cmp.felk.cvut.cz

Předmět v minulých letech přednášel Ing. Jiří Matas, PhD. Jelikož bude ve školním roce 2005/2006 služebně v Británii, zastupují ho V. Hlaváč a V. Franc. J. Matas bude v některých týdnech v Praze, může se stát, že některou přednášku přednese.

Cvičící:  

Ing. Vojtěch Franc xfrancv@fel.cvut.cz (vedoucí cvičení), Mgr. M. Havlena, Ing. Š. Obdžálek, Mgr. Jan Šochman

Cvičení: klikněte sem

Praha, 25. srpna  2005

Plán přednášek

Doporučená literatura:

1. Kotek, Z. a kol.: Metody rozpoznávání a jejich aplikace. Academia, Praha 1993
2. Duda R.O., Hart, P.E.,Stork, D.G.: Pattern Classification, John Willey and Sons, 2nd edition, New York, 2001.
3. Schlesinger M.I., Hlaváč V.: Deset přednášek z teorie statistického a strukturního rozpoznání, Vydavatelství ČVUT, Praha 1999.

Prezentace pro přednášky (budou před přednáškou ještě pravděpodobně vylepšovány):

• Úvod do rozpoznávání (česky)
• Pravděpodobnost a statistika, shrnutí (česky)
• Bayesovské rozpoznávání, ROC křivka.
• Duální úlohy lineárního programování
• Nebayesovské rozpoznávání.
• Nebayesovské rozpoznávání (přednáška V. France 20.10.2005)
• Odhady pravděpodobnostních rozdělení, parametrické metody (přednáška V. France 27.10.2005)
• Neparametrické odhady pravděpodbnostních rozdělení
• Lineární programování (předn. A, předn. B)
• Dva statistické modely
• O učení v rozpoznávání
• Lineární klasifikace (přednáška J. Matase 22.11.2005)
• SVM
• Učení bez učitele
• Unsupervised learning (přednáška Ch. Bishop, 7,3 MB)
• Umělé neuronové sítě
• Markovské posloupnosti
• Markovké posloupnosti (Rabinerův tutoriál)
• Vztah mezi statistickým a strukturním rozpoznáváním (česky)

Hodnocení při zkoušce

• Zkoušeni mohou být jen ti studenti, kteří získali zápočet ze cvičení. Výkon ve cvičení je hodnocen nejvýše 4 body.
• Zkouška má dvě části, písemnou a ústní.  
• Písemná zkouška . Na vypracování písemky pro obě části je 60 minut. Student získat nejvýše 10 bodů.
• Ústní část zkoušky následuje asi 60 minut po ukončení písemky, tj. po její opravě. Ústní část zkoušky může k hodnocení přispět maximálně 6 body. Pro ulehčení diskuse při ústní části zkoušky žádám studenty, aby s sebou přinesli článek související s rozpoznáváním ze solidního vědeckého časopisu (např. Pattern Recognition, IEEE Transaction on Pattern Analysis and Machine Intelligence, IEEE Transactions on Neural Networks). Při přihlášení z počítače v síti ČVUT si můžete článek v elektronické formě stáhnout přes systém Dialog. Můžete si vybrat libovolný článek související s předmětem, pokud nebude triviálně snadný. Předpokládám, že si článek přečtete a porozumíte mu. O jeho obsahu budeme na ústní zkoušce diskutovat.
• Výsledná známka je určena součtem bodů za cvičení, písemku a ústní zkoušku podle stupnice:

 Poslední změna 06.01. 2006 V. Hlaváč, hlavac@fel.cvut.cz