TBMI26 · Linköpings universitet
Neuronnät och lärande system
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för medicinsk teknik
Lärandemål
Målet är att studenten ska kunna konstruera och tillämpa artificiella neuronnät och liknande metoder för signal, bild och dataanalys som lär sig tidigare erfarenheter och observerat data. Studenten ska kunna tillämpa sådana metoder för att designa algoritmer och för att finna meningsfulla samband i multidimensionella signaler där komplexitetsgraden gör traditionella modellbaserade metoder olämpliga eller omöjliga att använda. Efter kursen ska studenten kunna:
- Redogöra för skillnaden mellan olika inlärningsparadigm
- Implementera och använda några av de vanligaste metoderna inom dessa paradigm
- Välja lämplig metod för ett givet problem.
Kursinnehåll
Machine learning, classification, pattern recognition, kernel methods and high-dimensional data analysis. Supervised learning: neural networks, linear discriminants, support vector machines, ensemble learning, boosting, deep learning. Unsupervised learning: patterns in high-dimensional data, dimensionality reduction, clustering, principal component analysis. Reinforcement learning: TD-learning, Q-learning.
Förutsättningar
- Nödvändiga: Linjär algebra, flervariabelanalys, matematisk statistik.
- Rekommenderade: Signalbehandling, programmering (Python)
Litteratur
Föreläsningsanteckningar
Kurskompendium: exempelsamling, kompletterande material, lab-PM
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis