mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Izbrana poglavja iz teorije razpoznavanja vzorcev

Za Izbrana poglavja iz teorije razpoznavanja vzorcev še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za Izbrana poglavja iz teorije razpoznavanja vzorcev: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja60 ur
  • Samostojno delo120 ur

Vsebina

  1. Uvod v teorijo razpoznavanja vzorcev: statistično razpoznavanje vzorcev, stopnje problema razpoznavanja vzorcev, učenje in adaptacija.
  2. Bayesovi razvrščevalniki: Bayesova odločitvena teorija, klasifikacija na osnovi najmanjše napake, razvrščevalniki, diskriminančne funkcije in odločitvene ravnine, normalna gostota, diskriminančne funkcije za normalno gostoto.
  3. Izločanje značilk in zmanjšanje dimenzije: PCA in Karhunen-Loevejeva transformacija, Fisherjeva diskriminančna analiza, izbira podmnožice značilk, Hebov algoritem.
  4. Parametrični razvrščevalniki: večvariantna normalna porazdelitev, ocena maksimalne verjetnosti, razvrščevalniki minimaks, prikriti modeli Markova.
  5. Neparametrični razvrščevalniki in regresija: jedrni razvrščevalniki, k-NN regresija, razvrščevalniki najbližjega soseda.
  6. Linearne diskriminante: percepcijski algoritem, algoritem LMS.
  7. Nelinearna diskriminančna analiza: metode z uporabo jeder, optimizacijski kriteriji, radialne bazne funkcije, nelinearni stroji podpornih vektorjev, uporaba.
  8. Nevronske mreže: operacija veriženja naprej in razvrščanje, algoritem vzvratnega prenosa.
  9. Stroji podpornih vektorjev: stroji podpornih vektorjev za razpoznavanje vzorcev, vrednotenje zmogljivosti.
  10. Algoritmi grozdenja: hierarhične metode, postopki vsote kvadratov, vrednotenje grozdov.

Ocenjevanje

Ustni izpit 60 %, Projekt 40 %

Pogoji za vključitev

Ni pogojev.

Literatura

  • Rokach, L. (2010). Pattern classification using ensemble methods (Vol. 75, p. XV, 225). World Scientific.
  • Canty, M. J. (2007). Image analysis, classification and change detection in remote sensing: with algorithms for ENVI/IDL (p. XIX, 348). CRC/Taylor & Francis.
  • Independent component analysis (ICA): algorithms, applications and ambiguities (p. VIII, 334). (2018). Nova Science Publisher’s.
  • Sonka, M., Hlaváč, V., & Boyle, R. (2015). Image processing, analysis, and machine vision (4th ed., International ed., p. XXXV, 870). Cengage Learning.
  • Joseph, M. (2022). Modern time series forecasting with Python: explore industry-ready time series forecasting using modern machine learning and deep learning (1st ed., p. XXVI, 525). Packt.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.