studiehandbok@lith   Länk till universitetets hemsida
 

Tekniska högskolan vid Linköpings universitet

Länk till universitetets hemsida
 
År : 2011
 
TBMI26 Neuronnät och lärande system, 4 p / 6 hp
/Neural Networks and Learning Systems/

För:   BME   CS   D   I   Ii   IT   KeBi   Y  

 

Prel. schemalagd tid: 56
Rek. självstudietid: 104

  Utbildningsområde: Teknik

Ämnesgrupp: Elektroteknik   Nivå (A-D):D

Huvudområde: Medicinsk teknik, Elektroteknik   Nivå (G1,G2,A): A

  Datavetenskap Kognitionsvetenskap

  Mål:
Målet är att studenten ska kunna konstruera och tillämpa artificiella neuronnät och andra lärande system för adaptiv dataanalys. Studenten ska kunna tillämpa sådana metoder för att finna meningsfulla samband i multidimensionella signaler där komplexitetsgraden gör traditionella modellbaserade metoder olämpliga eller omöjliga att använda.

Efter kursen ska studenten kunna:
  • Redogöra för skillnaden mellan olika inlärningsparadigm
  • Implementera och använda några av de vanligaste metoderna inom dessa paradigm
  • Välja lämplig metod för ett givet problem.


  Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan)
Nödvändiga: Algebra, Flervariabelanalys, Matematisk statistik.
Rekomenderade: Signalbehandling


OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

  Organisation:
Föreläsningar, lektioner, laborationer (obligatorisk inlämningsuppgift ingår)

  Kursinnehåll:
Klassificering: mönsterigenkänning, diskriminantfunktioner; Supervised learning: perceptronen, flerskiktsperceptronen, stokastisk gradientsökning, "error backpropagation"; Unsupervised learning: principalkomponentanalys (PCA), kanonisk korrelationsanalys (CCA), "independent component analysis�?� (ICA), "competitive learning�?�, självorganiserande nät (SOM), klustring; Innehållsadresserade minnen: tillståndsrum, Hopfieldminnen; Reinforcement learning: Markov modeller, "Q-learning"; Genetiska metoder: genetiska algoritmer, gener och scheman

  Kurslitteratur:
S. Haykin, Neural Networks, second edition, Prentice Hall 1999
Kurskompendium: exempelsamling, kompletterande material, lab-PM


  Examination:
TEN1
LAB1
En skriftlig tentamen (U,3,4,5)
En laborationskurs (U,G)
4 hp
2 hp
 



Undervisningsspråk är Svenska/engelska.
Institution: IMT.
Studierektor: Håkan Örman
Examinator: Magnus Borga
Länk till kurshemsida på kursgivande institution
Ansvarig programnämnd: Elektro&Fysik

Engelsk kursplan

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.

Om inget annat anges ovan gäller betygsskala enligt avsnitt a8.5 i de gemensamma bestämmelserna.

Kursplanen gäller för 2011 enligt beslut av ansvarig programnämnd/fakultetstyrelse.

Tekniska högskolan vid Linköpings universitet

Länk till sidans topp


Informationsansvarig: TFK , val@tfk.liu.se
Senast ändrad: 10/27/2010