33RPZ - Rozpoznávání

Zetní semestr 2008/2009, 2 hodiny přednášky, 2 hodiny cvičení týdně.

Přednáška je ve čtvrtek od 9:15 do 10:45 v posluchárně KN:E-126 (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:

Doc. Dr. Ing. Jiří Matas
Katedra kybernetiky, Fakulta elektrotechnická ČVUT,
matas@cmp.felk.cvut.cz

Cvičící: Mgr. Jan Šochman, Ing. Martin Urban, PhD, T. Werner
Cvičení (plán, podmínky zápočtu, etc.): informace naleznete na http://cmp.felk.cvut.cz/cmp/courses/recognition/Labs/

Plán přednášek:

Týden	Přednáší	Datum	Obsah přednášky
1	J. Matas	02.10.2008	Úvod. Formulace úloh řešených v rozpoznávání. Mapa předmětu. Pojmy.
2	J. Kléma	09.10.2008	Bayesovská úloha rozhodování. (pdf)
3	V.Hlaváč	16.10.2008	Nebayesovské úlohy a jejich řešení pomocí lineárního programování. (slidy JM)((pdf VH)
4	J. Matas	23.10.2008	Odhady parametrů pravděpodobnostních modelů. Metoda maximální věrohodnosti. (slidy JM) (slidy V. Franc)
5	J. Matas	30.10.2008	_______ Hodina odpadá, výuka dle pondělního rozvrhu.
6	J. Matas	06.11.2008	Neparametrické odhady. Parzenova okna. Metoda nejbližších sousedů. (ppt)
7	J. Matas	13.11.2008	Učení klasifikátoru. Lineární klasifikátor. Perceptron (pdf)
8	J. Matas	20.11.2008	Učení metodou Adaboost.
9	J. Matas	27.11.2008	Učení jako kvadratický optimalizační problém. Klasifikátor typu SVM. (ppt) (pdf VH)
10	J. Matas	04.12.2008	Učení metodou backpropagation. Neuronové sítě.
11	J. Matas	11.12.2008	Shluková analýza, metoda k-means.
12	J. Matas	18.12.2008	Učení bez učitele. EM (Expectation Maximization) algoritmus. (pdf Hoffmann) (ppt Bishop)
13	J. Matas	08.01.2009	Výběr a extrakce příznaků. PCA, LDA.
14	J.Matas	15.01.2009	Vztah RPZ a UI

Doporučená literatura:

Duda R.O., Hart, P.E.,Stork, D.G.: Pattern Classification, John Willey and Sons, 2nd edition, New York, 2001.
Schlesinger M.I., Hlaváč V.: Deset přednášek z teorie statistického a strukturního rozpoznání, Vydavatelství ČVUT, Praha 1999.

Další materiály :

Zkouška

Zkoušeni mohou být jen ti studenti, kteří získali zápočet ze cvičení. Výkon ve cvičení je hodnocen nejvýše 40 body.
Zkouška má dvě části, písemnou a ústní.
Písemná zkouška. Na vypracování písemky je 60 minut. Student získat nejvýše 40 bodů.
Na adrese http://cmp.felk.cvut.cz/cmp/courses/recognition/Exam-questions jsou uloženy všechny dosud zadané písemky (kdo umí řešit tyto příklady, skoro jistě u zkoušky uspěje)
Ústní část zkoušky následuje asi 2 hodiny po ukončení písemky, tj. po její opravě. Ústní část zkoušky může k hodnocení přispět maximálně 20 body.
Na adrese WWW Na adrese http://cmp.felk.cvut.cz/cmp/courses/recognition/Exam-questions/exam-questions.pdf jsou k dispozici zkouškové otázky.
Výsledná známka je určena součtem bodů za cvičení, písemku a ústní zkoušku podle stupnice, která bude nastavena tak, že přibližně 15% bude hodnoceno výborně, 40% velmi dobře, 40% dobře a 5% neprospěl.

op> Poslední změna 16.09.2009 J. Matas, matas@cmp.fel.cvut.cz