| 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
|
| |
|
|
|