studiehandbok@lith
 

Tekniska högskolan vid Linköpings universitet

 
 
År : 2016
 
TBMI26 Neuronnät och lärande system, 6 hp
/Neural Networks and Learning Systems/

För:   BME   CS   D   DAV   I   Ii   IT   KeBi   MED   MMAT   TB   Y  

 

Prel. schemalagd tid: 54
Rek. självstudietid: 106

  Utbildningsområde: Teknik

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

  Datavetenskap Kognitionsvetenskap

  Mål:  IUAE-matris
Målet är att studenten ska kunna konstruera och tillämpa artificiella neuronnät och liknande metoder för signal, bild och dataanalys som lär sig tidigare erfarenheter och observerat data. Studenten ska kunna tillämpa sådana metoder för att designa algoritmer och 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: Linjär algebra, flervariabelanalys, matematisk statistik.
Rekomenderade: Signalbehandling, programmering (Matlab)


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

  Påbyggnadskurser
Medicinskt beslutsstöd

  Organisation:
Föreläsningar, lektioner, laborationer med obligatoriska inlämningsuppgifter

  Kursinnehåll:
Machine learning, classification, pattern recognition and high-dimensional data analysis. Supervised learning: neural networks, linear discriminants, support vector machines, ensemble learning, boosting. Unsupervised learning: patterns in high-dimensional data, dimensionality reduction, clustering, principal component analysis, independent component analysis. Reinforcement learning: Markov models, Q-learning.

  Kurslitteratur:
Stephen Marsland, Machine Learning: An Algorithmic Perspective
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: Marcus Larsson
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 2016 enligt beslut av ansvarig programnämnd/fakultetstyrelse.

Tekniska högskolan vid Linköpings universitet


Informationsansvarig: TFK , val@tfk.liu.se
Senast ändrad: 01/18/2016