Машинско учење во процесирање на сигнали

Последна измена: јануари 6, 2020

Предмет: Машинско учење во процесирање на сигнали

Код: 3ФЕИТ05010

Број на ЕКТС кредити: 6 ЕКТС

Неделен фонд на часови:3+0+0+3

Наставник: Проф. д-р Томислав Карталов

Цели на предметната програма (компетенции): Студентите кои го имаат ислушано овој предмет, треба да бидат оспособени за: – Да вршат декомпозиција, анализа, класификација, детекција и консолидација на сигнали. – Да развиваат соодветни модели за измерените/собраните сигнали/податоци. – Да одберат соодветна алатка за екстракција на карактеристики. – Да ги оценат предностите и недостатоците на одредена алатка за процесирање на сигнали, во рамките на зададен проблем. – Да ги имплементираат надгледуваните и ненадгледуваните техники за МУ, кои се изучувани во предметот. – Да одберат соодветен алгоритам за МУ, за конкретен проблем. – Да развиваат основни надгледувани и ненадгледувани модели за МУ. – Да ги оценат предностите и недостатоците на различните алгоритми за МУ.

Содржина на предметната програма: Репрезентирање на звук и слика. Линеарна алгебра. Репрезентирање на сигнали – Компонентна анализа. Eigen репрезентации: Eigenfaces. Зајакнување на слаби алгоритми. PCA (анализа со главни компоненти). ICA (анализа со независни компоненти). NMF (ненегативна матрична факторизација). Ретки NMF. Кластерирање. SVM (машини со носечки вектори). Мешавински модели и EM (максимизација на очекувањето). Линеарна регресија. Логистичка регресија. Маркови и скриени маркови модели. Невронски мрежи. Длабоко учење. Конволуциски мрежи.

Литература:

Задолжителна литература
Бр. Автор Наслов Издавач Година
1 C.M. Bishop Pattern Recognition and Machine Learning, 2nd Edition Springer 2011
2 I. Goodfellow, Y, Bengio, A. Courville Deep Learning MIT Press 2016
Дополнителна литература
Бр. Автор Наслов Издавач Година
1 R. C. Gonzalez, R. E. Woods Digital Image Processing, 3rd Edition Prentice Hall 2008
2 L. Rabiner and H. Juang Fundamentals of speech recognition Prentice Hall 1993