Πληροφορίες
| Κωδικός Μαθήματος | EIP206 |
| Εξάμηνο | 2ο |
| Κατηγορία | Υποχρεωτικό |
| Μονάδες ECTS | 8 |
| Eclass Μαθήματος |
Διδάσκων
Προτεινόμενη Βιβλιογραφία
R.O. Duda, P.E. Hart and D. G. Stork, “Pattern Classification”, Wiley, 2nd Edition, 2001.
Η. L. Van Trees, “Detection, Estimation and Modulation Theory”, Wiley, 1971.
Σημειώσεις ή δημοσιεύσεις στην υπόλοιπη ύλη.
Περιγαφή Μαθήματος
- Βασικές έννοιες στην κλασσική θεωρία ταξινόμισης (Bayes)
Ο λόγος πιθανοφάνειας σαν κριτήριο διαχωρισμού πληθυσμών. Εφαρμογή της θεωρίας σε κανονικές (Gaussian)στατιστικές συμπεριφορές πληθυσμών. - Απόσταση Mahalanobis. Διαχωρισμός του χώρου των χαρακτηριστικών ανάλογα με τα στατιστικά στοιχεία των πληθυσμών και τη συσχέτιση των χαρακτηριστικών.
- Συσχέτιση χαρακτηριστικών πληθυσμού. Βαθμός συσχέτισης. Σπουδαιότητα χαρακτηριστικών. Διαστατικότητα ενός προβλήματος ταξινόμησης. Υποβιβασμός διαστατικότητας και σημαντικές διαστάσεις.
- Τεχνητά Δίκτυα Νευρωνίων. Προβλήματα που μπορούν να λύσουν. Απλές δομές Νευρωνικών Δικτύων.
- Εκτίμηση Παραμέτρων. Υπολογισμός κατανομής εξαρτημένων τυχαίων μεταβλητών.
- Μαθηματική Μορφολογία.
- Θεωρία ανίχνευσης σήματος. Βασικές έννοιες. Neyman-Pearson criterion. Ανιχνευτές σταθερού ρυθμού εσφαλμένου συναγερμού.
- Σύνθεση πληροφορίας, σε απλά δεδομένα, σε χαρακτηριστικά και σε αποφάσεις.
- Τηλεπισκόπιση
- Παραδείγματα σύνθεσης πληροφορίας σε τηλεπισκόπιση.
- Σύνθεση αποφάσεων
- Υπερδειγματοληψία – Noise shaping – Κωδικοποιητές ΣΔ.
