Παρουσίαση/Προβολή

(805ε) -  ΚΟΝΤΟΠΟΔΗΣ ΕΛΕΥΘΕΡΙΟΣ, ΚΑΛΑΤΖΗΣ ΙΩΑΝΝΗΣ

Περιγραφή Μαθήματος

Το μάθημα περιλαμβάνει:

• Η έννοια της ανάλυσης σημάτων και εικόνων. Χαρακτηριστικά, Πρότυπα, Κλάσεις.
• Εποπτευόμενη αναγνώριση προτύπων. Κατηγοριοποίηση (ταξινόμηση) και είδη ταξινομητών (παραμετρικοί και μη, γραμμικοί και μη).
• Αλγόριθμοι ταξινομητών: Bayes, Πλησιέστερου Γείτονα, Perceptron και Νευρωνικά Δίκτυα Πολλών Επιπέδων με Ανάδραση, Παράθυρα Parzen και Πιθανοκρατικά Νευρωνικά Δίκτυα.
• Χαρακτηριστικές παράμετροι ιατρικών και βιολογικών σημάτων και εικόνων (στατιστικές, μορφολογικές, περιγράμματος, υφής).
• Μέθοδοι επιλογής χαρακτηριστικών: Βέλτιστες και υποβέλτιστες μέθοδοι.
• Μέθοδοι αξιολόγησης χαρακτηριστικών: Στατιστικές, με χρήση αλγορίθμων ταξινόμησης.
• Εκτίμηση ακρίβειας συστήματος ταξινόμησης.
• Σχεδιασμός συστημάτων υποστήριξης ιατρικής διάγνωσης.
• Μη εποπτευόμενη αναγνώριση προτύπων. Συσταδοποίηση και είδη αλγορίθμων συσταδοποίησης.
• Αλγόριθμοι συσταδοποίησης: Hierarchical clustering, K-means, Fuzzy C-means, Gaussian Mixture Models, Expectation Maximization.

Μετά το τέλος του μαθήματος οι φοιτητές:
α) θα κατανοούν την έννοια της αναγνώρισης προτύπων ως βασικό συστατικό των συστημάτων τεχνητής νοημοσύνης και λήψης απόφασης από ηλεκτρονικούς υπολογιστές.
β) θα γνωρίζουν τους βασικούς αλγορίθμους ταξινόμησης και της εφαρμογής τους για την αυτόματη ταξινόμηση ιατρικών και βιολογικών δεδομένων σε κατηγορίες.
γ) θα κατανοούν την έννοια της συσταδοποίησης ως μεθόδου για την εξερεύνηση της δομής ποσοτικών δεδομένων πολλών μεταβλητών.
δ) θα γνωρίζουν τη δομή των συστημάτων αυτόματης ταξινόμησης και συσταδοποίησης με χρήση χαρακτηριστικών παραμέτρων που εξάγονται από ιατρικά και βιολογικά δεδομένα.

Ημερομηνία δημιουργίας

Τρίτη 19 Μαρτίου 2024