02457 Signalbehandling i ikke-lineære systemer

2019/2020

Kursusinformation
Non-Linear Signal Processing
Engelsk
10
Kandidat
F2 (man 13-17, tors 8-12)
Kurset er flyttet til forårssemestret.
Campus Lyngby
Forelæsninger og Matlab øvelser.
13-uger
F2B, Aftales med underviser
Mundtlig eksamen
ca 40 min inklusive forberedelse
Alle hjælpemidler er tilladt
7-trins skala , ekstern censur
04364
02450 , Lineær algebra, basal signalanalyse og indledende statistik. Introduktion til machine learning
Maksimum: 60
Lars Kai Hansen , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3889 , lkai@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren

Bemærk: Kurset er designet til ca 50 studenter, men er typisk overtegnet - påregn en del selvstudium
Overordnede kursusmål
Machine learning, signaldetektion og mønstergenkendelse er fundamentale komponenter i anvendelse af signalbehandling indenfor kunstig intelligens. 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 signalmodeller and detektionssystemer
  • Benytte test 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 til modellering af tidsserier
  • 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 AI.
Litteraturhenvisninger
Christopher M. Bishop: "Pattern Recognition and Machine Learning".
Springer (2006) ISBN 0-38-731073-8
Bemærkninger
Dette kursus er sammen med kursus 02460 og kursus 02456 videregående kurser inden for machine learning. Det tilhørende indledende kursus er 02450.
Sidst opdateret
20. juni, 2019