ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ
| Τίτλος | ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ / Pattern Recognition |
| Κωδικός | ΗΥ1401 |
| Σχολή | Πολυτεχνική |
| Τμήμα | Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών |
| Κύκλος / Επίπεδο | 1ος / Προπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Παναγιώτης Πετραντωνάκης |
| Κοινό | Όχι |
| Κατάσταση | Ενεργό |
| Course ID | 20000591 |
| Τίτλος | ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ |
| Ακαδημαϊκό Έτος | 2015 – 2016 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Ώρες Εβδομαδιαία | 4 |
| Class ID | 600008311
|
Τύπος Μαθήματος 2016-2020
- Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές
προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
- Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Προαπαιτούμενα Μαθήματα
- ΜΑ0301 ΘΕΩΡΙΑ ΠΙΘΑΝΟΤΗΤΩΝ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗ
Μαθησιακά Αποτελέσματα
Με την ολοκλήρωση του μαθήματος, οι φοιτητές/τριες αναμένεται να μπορούν να:
α) Γνωρίζουν τις βασικές αρχές αναγνώρισης προτύπων και τα κύρια πεδία εφαρμογής των
β) Μπορούν να εφαρμόσουν γνωστούς αλγορίθμους σε πιλοτικά προβλήματα
γ) Επιλέγουν τον κατάλληλο αλγόριθμο αναγνώρισης προτύπων με βάση τις απαιτήσεις του προβλήματος τους,
δ) Σχεδιάζουν τη διαδικασία επίλυσης προβλημάτων μέσης δυσκολίας.
Με αυτές τις γνώσεις οι φοιτητές θα μπορούν στη συνέχεια να εμβαθύνουν σε άλλα γνωστικά πεδία όπως η Τεχνητή Νοημοσύνη ή η Υπολογιστική Όραση.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Λήψη αποφάσεων
- Ομαδική εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Η αναγνώριση προτύπων (pattern recognition) είναι το πεδίο έρευνας που μελετά τη λειτουργία και το σχεδιασμό συστημάτων που αναγνωρίζουν πρότυπα στα δεδομένα. Συμπεριλαμβάνει τομείς όπως η εξαγωγή χαρακτηριστικών, η εκτίμηση λάθους, η στατιστική και συντακτική αναγνώριση προτύπων. Σημαντικές περιοχές εφαρμογών είναι η ανάλυση εικόνας, η αναγνώριση χαρακτήρων, η ανάλυση φωνής, η αναγνώριση προσώπων, η επικοινωνία ανθρώπου - υπολογιστή και η βιομηχανική επίβλεψη.
Στα πλαίσια του μαθήματος διδάσκονται:
1) Αλγόριθμοι ομαδοποίησης: Βασικές έννοιες, Αλγόριθμοι διαχωρισμού, Ιεραρχικοί και Πυκνωτικοί αλγόριθμοι, SOM, Αξιολόγηση, Μείγματα μοντέλων
2) Αλγόριθμοι Ταξινόμησης: Βασικές έννοιες, Δένδρα απόφασης, Αξιολόγηση, Πιθανοτική προσέγγιση, Νευρωνικά δίκτυα, SVMs, Πιθανοτική δίκτυα, Μέθοδος Ελαχίστων τετραγώνων, μη γραμμικά SVMs, Υπερεκπαίδευση, Κόστος μοντέλου, Σύνθεση ταξινομητών
3) Προ-επεξεργασία δεδομένων: Βασικά θέματα, Μείωση διαστάσεων (PCA και ISOMAP)
Λέξεις Κλειδιά
Ανάλυση δεδομένων, Ταξινόμηση, Ομαδοποίηση, Αναγνώριση προτύπων
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Διαδραστικές ασκήσεις
- Βιβλίο
- 2 εργασίες
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Mέσω της διαδικτυακής πλατφόρμας eTHMMY. Όλες οι ανακοινώσεις, βαθμολογίες, σημειώσεις κ.τ.λ. αναρτώνται στην αντίστοιχη ιστοσελίδα.
Οι συμπληρωματικές σημειώσεις διανέμονται ηλεκτρονικά μέσα από το eTHMMY.
Οι εργασίες ανακοινώνονται ηλεκτρονικά και οι φοιτητές πρέπει να δηλωθούν και να υποβάλλουν τις εργασίες τους μέσω του τόπου του μαθήματος. Οι εργασίες αξιολογούνται ηλεκτρονικά και τα σχόλια επιστρέφονται επίσης ηλεκτρονικά.
Η επικοινωνία γίνεται κυρίως μέσα από τον ηλεκτρονικό πίνακα ανακοινώσεων του μαθήματος, καθώς και με emails και μέσω του forum του μαθήματος.
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 24 | ✓ | |||
| Εργαστηριακή Άσκηση | 6 | ✓ | |||
| Άσκηση Πεδίου | 18 | ✓ | |||
| Συγγραφή εργασίας / εργασιών | 30 | ✓ | ✓ | ||
| Σύνολο | 78 |
Αξιολόγηση Φοιτητών
Περιγραφή
Όλα τα γραπτά διορθώνονται από τον κύριο διδάσκοντα και μόνο και η αξιολόγηση των εργασιών γίνεται από τον κύριο διδάσκοντα.
Η τελική βαθμολογία εξαρτάται από το εάν οι φοιτητές θα εκπονήσουν εργασία στα πλαίσια του μαθήματος. Στην περίπτωση αυτή (περίπτωση Α), η βαθμολογία ορίζεται ως εξής:
-40% Εργασία
- 20% Αποτίμηση της 1ης εργασίας
- 20% Αποτίμηση της 2ης εργασίας
- 60% Εξετάσεις
Μέγιστος βαθμός: 10/10
Στην περίπτωση που οι φοιτητές επιλέξουν να μην εκπονήσουν εργασία (περίπτωση Β), ο βαθμός τους καθορίζεται μόνο από τον βαθμό των εξετάσεων:
- 70% Εξετάσεις
Μέγιστος βαθμός: 7/10.
Μετά την ανάρτηση των βαθμολογιών, οι φοιτητές έχουν τη δυνατότητα (σε προκαθορισμένη ημερομηνία) να δουν τα λάθη τους και να συζητήσουν με τον διδάσκοντα την αξιολόγηση του γραπτού τους.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εργασία (Συμπερασματική)
- Προφορική Εξέταση (Διαμορφωτική)
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Διαμορφωτική)
- Έκθεση / Αναφορά (Διαμορφωτική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
Τίτλος Συγγράμματος: «Αναγνώριση Προτύπων»,
Συγγραφέας: Σ. Θεοδωρίδης, Κ. Κουτρουμπάς
Εκδόσεις: 2011 Πασχαλίδης ή BROKEN HILL PUBLISHERS LTD
ISBN: 9789604891450
Κωδικός Βιβλίου στον Εύδοξο: 13256974
Επιπρόσθετη βιβλιογραφία για μελέτη
Τίτλος Συγγράμματος: «Εισαγωγή στην αναγνώριση προτύπων με Matlab»
Συγγραφέας: THEODORIDIS S., PIKRAKIS A., KOUTROUMBAS K., CAVOURAS D.
Εκδόσεις: 2011 Πασχαλίδης ή BROKEN HILL PUBLISHERS LTD
ISBN: 9789604890231
Κωδικός Βιβλίου στον Εύδοξο: 13256624
Τίτλος Συγγράμματος: «Αναγνώριση Προτύπων»,
Συγγραφέας: Μ. Στρίντζης
Εκδόσεις: Κυριακίδη 2007
ISBN: 978-960-343-290-6
Κωδικός Βιβλίου στον Εύδοξο: 6378
Τελευταία Επικαιροποίηση
17-07-2013
