Машинско учење во процесирање на сигнали

Објавено: март 13, 2019

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.АвторНасловИздавачГодина
1C.M. BishopPattern Recognition and Machine Learning, 2nd EditionSpringer2011
2I. Goodfellow, Y, Bengio, A. CourvilleDeep LearningMIT Press2016
Дополнителна литература
Бр.АвторНасловИздавачГодина
1R. C. Gonzalez, R. E. WoodsDigital Image Processing, 3rd EditionPrentice Hall2008
2L. Rabiner and H. JuangFundamentals of speech recognitionPrentice Hall1993