02457 Signalbehandling i ikke-lineære systemer

2016/2017

Kursusinformation
Non-Linear Signal Processing
Engelsk
10
Kandidat
Kurset udbydes under tompladsordningen
E1 (man 8-12, tors 13-17)
Campus Lyngby
Forelæsninger og Matlab øvelser.
13-uger
Aftales med underviser
Mundtlig eksamen
Alle hjælpemidler er tilladt
7-trins skala , ekstern censur
04364
Lineær algebra eller basal signalanalyse samt indledende statistik
Lars Kai Hansen , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3889 , lkai@dtu.dk

01 Institut for Matematik og Computer Science
http://www.imm.dtu.dk/courses/02457
I studieplanlæggeren
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
Overordnede kursusmål
Machine learning, signaldetektion og mønstergenkendelse er fundamentale komponenter i moderne anvendelser af signalbehandling i for eksempel høreapparater, telekommunikation, indenfor big data, digitale medier og i biomedicin. I mange anvendelse er der ikke etableret en brugbar fysisk model, og derfor må man anvende machine learning metoder til at finde en brugbar model - typisk indenfor en familie af fleksible parametriske modeller som for eksempel kunstige neurale netværk, gaussiske processer eller gaussiske miksturer.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Diskutere fundamentale aspekter af statistisk 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 machine learning modeller
  • Designe lineære og ikke-lineære signal modeller and detektionssystemer
  • Benytte krydsvalidering til at opnå centrale estimatorer for ydeevne
  • Evaluere adaptive lineære og ikke-lineære signal modellerings- og detektionssystemer.
  • Forklare implementeringer 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 typisk være:
Signaldetektion, mønstergenkendelse og statistisk machine learning. 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.
Litteraturhenvisninger
Christopher M. Bishop: "Pattern Recognition and Machine Learning".
Springer (2006) ISBN 0-38-731073-8
Bemærkninger
Dette kursus er sammen med kursus 02460 videregående kurser inden for machine learning og digital signalbehandling. De tilhørende indledende kurser er 02450, 02451, 02453.
Sidst opdateret
28. oktober, 2016