شناخت الگو

دوره‌های دانشگاهی
22 جلسه

سرفصل‌ها

تشخیص الگو (pattern recognition) شاخه ای از مبحث یادگیری ماشین (machine learning) می باشد که تمرکز آن بر روی شناخت الگو ها و نظم داده‌ها است. روش‌های تشخیص الگو، الگوهای مورد نظر را از یک مجموعه داده‌ها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری داده‌ها، جداسازی می‌کند. تشخیص الگوها کاربردهای زیادی در تشخیص صدا، تشخیص چهره، تشخیص امضا و غیره دارد.

مدرس دوره
بابک نجار اعرابی

دکتر بابک نجار اعرابی مدرک کارشناسی خود را در رشته مهندسی برق الکترونیک درسال 1371 از دانشگاه صنعتی شریف،مدرک کارشناسی ارشد خود را در رشته مهندسی برق سیستمهای کنترل در سال 1374 و مدرک دکترای خود را در رشته مهندسی برق پردازش سیگنال و تصویر از دانشگاه Texas A&B درسال 1380 اخذ نموده است. ایشان در دانشکده مهندسی برق و کامپیوتر دانشگاه تهران در سمت استاد تمامی در زمینه کنترل و هوش ماشین رباتیک مشغول به کار هستند. حوزه پژوهشی  ایشان یادگیری ماشین، بینایی ماشین و شناسایی الگو است. ایشان تاکنون مقالات بسیاری را در ژورنال های معتبر جهانی به چاپ رسانیده اند.

 

 

 

1

شناخت الگو

22 جلسه    12:23 ساعت   
ریسک در مقابل خطا و کلسیفایری که به جای کمینه کردن خطا ریسک را کم می کند
40:34 دقیقه
تخمین چگالی
40:15 دقیقه
تخمین چگالی غیر پارامتری
44:18 دقیقه
تخمین چگالی در حالت پارامتری در مدل های پیچیده
38:08 دقیقه
EM الگوریتم حل عددی موثر برای ماکزیمم سازی احتمال
51:47 دقیقه
الگوریتم امید ریاضی-بیشینه‌ سازی
39:56 دقیقه
شرط قرار دادن ویژگی ها (feature conditioning)
39:11 دقیقه
تحلیل جدایی پذیر فیشر
48:27 دقیقه
تحلیل مؤلفه‌ های اصلی
48:28 دقیقه
چهارچوب کلی (feature conditioning) انالیز افتراقی خطی
04:59 دقیقه
ماشین بردار پشتیبانی
16:49 دقیقه
ماشین بردار پشتیبانی دو کلاس دو ویژگی
25:23 دقیقه
مقدمات ماشین بردار پشتیبانی
34:13 دقیقه
ماشین بردار پشتیبانی
03:32 دقیقه
ماشین بردار پشتیبانی مینیمم کردن ریسک ساختاری
48:10 دقیقه
خطای طبقه بندی و قابلیت تعمیم دهی
42:24 دقیقه
شبکه های عصبی مصنوعی
35:13 دقیقه
ادامه بحث شبکه های عصبی out put coding
35:52 دقیقه
کلاسترینگ یادگیری با ناظر
39:23 دقیقه
خوشه بندی سلسله مراتبی کشف نظم درونی داده ها
53:03 دقیقه
شبکه های عصبی RBF
40:39 دقیقه
فازی کلاسترینگ
32:41 دقیقه