Signal detektion og mønstergenkendelse er fundamentale komponenter i moderne anvendelser af signalbehandling i for eksempel høreapparater, telekommunikation, underholdning og biomedicin. I mange anvendelse er der ikke etableret en brugbar fysisk model, og derfor må man anvende såkaldt machine learning metoder til at finde en brugbar model - typisk indenfor en familie af fleksible parametriske modeller som for eksempel kunstige neurale netværk eller gaussiske miksturer.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Diskutere fundamentale aspekter af machine learning: Generaliserbarhed, likelihood funktionen, Bayes metoder, og bias-varians afvejning.
Diskutere fundamentale aspekter af signal detektion: Bayes beslutningsteori, posterior sandsynligheder, og tabsfunktioner.
Definere likelihood funktioner for signal modellering og detektion
Designe lineære og ikke-lineære signal modellering and detektionssystemer
Benytte krydsvalidering til at opnå centrale estimatorer for ydeevne
Evaluere adaptive lineære og ikke-lineære signal modellering og detektionssystemer.
Forklare implementering af adaptive systemer og deres evaluering i Matlab
Være bekendt med anvendelser af machine learning indenfor lydbehandling herunder talegenkendelse
Være bekendt med anvendelser af machine learning indenfor det bio-medicinske område
Være i stand til at give en mundligt redegørelse for resultater fra kursets matlab øvelser.
Kursusindhold:
Indholdet i kurset kan variere lidt fra år til år, men vil blive udvalgt blandt følgende emner: Signal detektion og mønstergenkendelse. Bayesiansk beslutningsteori og matematisk modellering af mønstergenkendelsessysstemer. Machine learning herunder neurale netværk. Der gives en grundlæggende indføring i teorien for machine learning. Teorien belyses ved anvendelser inden for en række områder, herunder digitale medier, biomedicin og datamining. Metoder til talegenkendelse baseret på skjulte Markov modeller.
Litteratur:
Christopher M. Bishop: "Pattern Recognition and Machine Learning". Springer (2006) ISBN 0-38-731073-8
Bemærkninger:
Dette kursus er sammen med kursus 02459 videregående kurser inden for digital signalbehandling. De tilhørende indledende kurser er 02451, 02453.
Mulighed for GRØN DYST deltagelse:
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk/kursustilmelding.aspx
