Detail předmětu

Klasifikace a rozpoznávání

ÚSI-2IDKRAk. rok: 2016/2017

Předmět je zaměřen na klasifikaci a rozpoznávání s akcentem na statistické metody. Jeho obsah tvoří následující témata: Klasifikační úloha a rozpoznávání vzorů, základní schéma klasifikátoru, data a vyhodnocování úspěšnosti jednotlivých metod, statistické rozpoznávání vzorů, bayesovské učení, metoda maximální věrohodnosti, GMM, algoritmus EM a diskriminativní trénování, kernelové metody, hybridní systémy, způsoby spojování klasifikátorů, základní princip a rozšíření metody AdaBoost, strukturní rozpoznávání, aplikace ve zpracování řeči - rozpoznávání mluvčího, rozpoznávání jazyka, rozpoznávání řeči, detekce klíčových slov, zpracování obrazu - rozpoznávání 2D objektů, vyhledávání obličejů, OCR, a zpracování přirozeného jazyka - klasifikace dokumentů, analýza textu.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. Dr. Ing. Jan Černocký

Zajišťuje ústav

Fakulta informačních technologií (FIT)

Výsledky učení předmětu

Studenti se v rámci předmětu seznámí s problematikou klasifikace a rozpoznávání a naučí se aplikovat základní algoritmy a metody v této oblasti na vybrané problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Porozumí rozdílům mezi jednotlivými metodami a dokáží využít výhod existujících klasifikátorů při řešení prakticky orientovaných projektů.

Prerekvizity

Nejsou požadovány

Plánované vzdělávací činnosti a výukové metody

Výuka se realizuje formou přednášek a cvičení. Přednášky mají charakter výkladu základních principů, metodologie dané disciplíny, problémů a jejich vzorových řešení. Cvičení podporuje zejména praktické ovládnutí látky vyložené na přednáškách nebo zadané k samostatnému nastudování za aktivní účasti studentů.

Způsob a kritéria hodnocení

Půlsemestrální test - až 15 bodů; Projekt - až 25 bodů; Závěrečná písemná zkouška - až 60 bodů

Osnovy výuky

1. Úlohy klasifikace a rozpoznávání, základní schéma klasifikátoru, datové množiny a vyhodnocování úspěšnosti.
2. Pravděpodobnostní rozdělení, lineární modely
3. Statistické rozpoznávání vzorů, bayesovký rámec, metoda maximální věrohodnosti
4. Modelování sekvencí, skryté Markovovy modely, lineární dynamické systémy
5. Generativní a diskriminativní modely
6. Aplikace ve zpracování řeči - rozpoznávání mluvčího, jazyka, řeči, detekce klíčových slov
7. Kernelové metody
8. Smíšené modely, metoda maximalizace očekávání
9. Kombinování modelů, spojování slabých klasifikátorů
10. AdaBoost, základní princip a modifikace metody
11. Aplikace ve zpracování obrazu - rozpoznávání 2D objektů, vyhledávání obličejů, OCR
12. Rozpoznávání vzorů v textu, gramatiky, jazyky, analýza textu
13. Prezentace projektů, směry dalšího vývoje

Učební cíle

Porozumět základům klasifikace a rozpoznávání a naučit se aplikovat základní algoritmy a metody v této oblasti na problémy rozpoznávání mluvené řeči, počítačové grafiky a zpracování přirozeného jazyka. Seznámit se způsoby vyhodnocování úspěšnosti metod. Pochopit základní principy statistického rozpoznávání vzorů, diskriminativního trénování a vytváření hybridních systémů.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Není specifikováno.

Základní literatura

Bishop, C. M.: Pattern Recognition, Springer Science + Business Media, LLC, 2006, ISBN 0-387-31073-8.

Doporučená literatura

Fukunaga, K. Statistical pattern recognition, Morgan Kaufmann, 1990, ISBN 0-122-69851-7.
Mařík, V., Štěpánková, O., Lažanský, J. a kol.: Umělá inteligence (1-4), ACADEMIA Praha, 1998-2003, ISBN 80-200-1044-0.

Zařazení předmětu ve studijních plánech

  • Program MRzI magisterský navazující

    obor RIS , 2 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

prof. Dr. Ing. Jan Černocký

Cvičení

26 hod., nepovinná

Vyučující / Lektor

prof. Dr. Ing. Jan Černocký