Περιεχόμενο μαθήματος
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.
Μαθησιακοί στόχοι
Οι σπουδαστές διδάσκονται τις βασικές έννοιες, τα μαθηματικά μοντέλα και τις μεθόδους του κλάδου. Γνωρίζουν τις προκλήσεις του χώρου και αποκτούν το βασικό υπόβαθρο για περαιτέρω επιστημονικό και ερευνητικό έργο.
Βιβλιογραφία
Νευρωνικά Δίκτυα & Μηχανική Μάθηση
Συγγραφείς: Haykin Simon
ISBN: 978-960-7182-64-7
Τεχνητά Νευρωνικά Δίκτυα
Συγγραφείς: ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ
Προαπαιτούμενα
όχι
