studiehandbok@lith   Länk till universitetets hemsida
 

Tekniska högskolan vid Linköpings universitet

Länk till universitetets hemsida
 
År : 2013
 
TBMI26 Neuronnät och lärande system, 4 p / 6 hp
/Neural Networks and Learning Systems/

För:   BME   CS   D   DAV   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:  IUAE-matris
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


Tekniska högskolan vid Linköpings universitet

Länk till sidans topp


Informationsansvarig: TFK , val@tfk.liu.se
Senast ändrad: 05/21/2012