Αναγνώριση Προτύπων - Νευρωνικά Δίκτυα
Στρουθόπουλος Χαράλαμπος
Σχολή - Τμήμα: Τμήμα Μηχανικών Πληροφορικής ΤΕ » Προπτυχιακό
Πρόσβαση στο μάθημα: Ελεύθερη (χωρίς εγγραφή)
Χρήστες: 3 εγγεγραμμένοι
CC - Αναφορά - Παρόμοια Διανομή
Περιγραφή
Εισαγωγή, στόχοι και σημασία της αναγνώρισης προτύπων. Συλλήψεις και συμβάντα. Πρότυπα και χαρακτηριστικά,. τάξεις και συγκεντρώσεις. Διανυ-σματική περιγραφή Προτύπων.
Ισότητα και Ομοιότητα Προτύπων. Αποστάσεις και Εσωτερικό Γινόμενο. Πίνακας Μεταβλητότητας.
Προσδιορισμός Συγκεντρώσεων και Τάξεων. Εκπαίδευση με και χωρίς επόπτη. Ταξινόμηση και Ταξινομητές. Γραμμικές Διακριτικές Συναρτήσεις.
Γραμμικοί ταξινομητές, νευρωνικά δίκτυα perceptron.
Μη γραμμικά προβλήματα ταξινόμησης. Νευρωνικά δίκτυα back propagation.
Στατικές Μέθοδοι Ταξινόμησης. Κανόνας Απόφασης του Βayes. Κανόνας του κοντινότερου γείτονα.
Εκπαίδευση Χωρίς Επόπτη. Προσδιορισμός Συγκεντρώσεων. Μέθοδος της αλυσίδας. Αυτοοργανούμενοι πίνακες χαρακτηριστικών. Νευρωνικό δίκτυο Kohonen.
Αξιολόγηση και επιλογή χαρακτηριστικών. Ανάλυση κύριων συνιστωσών. Εκπαίδευση νευρωνικών δικτύων με τον κανόνα του Ηebb.
Εφαρμογές.
Θεματικές Ενότητες
Βασικές έννοιες, ορισμοί και μαθηματική περιγραφή των προτύπων
Ταξινόμηση με χρήση της Ευκλείδειας απόστασης
Ο αλγόριθμος perceptron για τον γραμμικό ταξινομητή
Δίκτυα Γραμμικών Ταξινομητών
Εκπαίδευση χωρίς επόπτη. Μεθοδοι συσταδοποίησης (clustering)
Ανάλυση χαρακτηριστικών στην εκπάιδευση με επόπτη
Ανάλυση Κύριων Συνιστωσών
Ελαχιστοποίηση του σφάλματος ταξινόμησης
Προσδιορισμός των περιοχών τιμών των χαρακτηριστικών σε Bayessian ταξινομητές
Στις προσεγγίσεις που παρουσιάσαμε στα προηγούμενα κεφάλαια δεν λάβαμε υπόψη την πιθανότητα εμφάνισης των προτύπων του συνόλου εκπαίδευσης. Στη ενότητα αυτή θα ασχοληθούμε με ταξινομητές που βασίζονται σ αυτή την πιθανότητα και στην ελαχιστοποίηση του σφάλματος ταξινόμησης που προκύπτει από αυτήν.
Δένδρα απόφασης
Ανοικτό Ακαδ. Μάθημα
Ημερολόγιο
Ανακοινώσεις
- - Δεν υπάρχουν ανακοινώσεις -
