Πληροφορίες
Κωδικός Μαθήματος ECS05
Εξάμηνο 2ο
Κατηγορία
Μονάδες ECTS 8
Eclass Μαθήματος
Διδάσκων
Προτεινόμενη Βιβλιογραφία
Περιγαφή Μαθήματος
  1. Βασικές έννοιες στην κλασσική θεωρία ταξινόμισης (Bayes). Ο λόγος πιθανοφάνειας σαν κριτήριο διαχωρισμού πληθυσμών. Εφαρμογή της θεωρίας σε κανονικές (Gaussian)στατιστικές συμπεριφορές πληθυσμών.
  2. Απόσταση Mahalanobis. Διαχωρισμός του χώρου των χαρακτηριστικών ανάλογα με τα στατιστικά στοιχεία των πληθυσμών και τη συσχέτιση των χαρακτηριστικών.
  3. Συσχέτιση χαρακτηριστικών πληθυσμού. Βαθμός συσχέτισης. Σπουδαιότητα χαρακτηριστικών. Διαστατικότητα ενός προβλήματος ταξινόμησης. Υποβιβασμός διαστατικότητας και σημαντικές διαστάσεις.
  4. Τεχνητά Δίκτυα Νευρωνίων. Προβλήματα που μπορούν να λύσουν. Απλές δομές Νευρωνικών Δικτύων.
  5. Εκτίμηση Παραμέτρων. Υπολογισμός κατανομής εξαρτημένων τυχαίων μεταβλητών.
  6. Μαθηματική Μορφολογία.
  7. Θεωρία ανίχνευσης σήματος. Βασικές έννοιες. Neyman-Pearson criterion. Ανιχνευτές σταθερού ρυθμού εσφαλμένου συναγερμού.
  8. Σύνθεση πληροφορίας, σε απλά δεδομένα, σε χαρακτηριστικά και σε αποφάσεις.
  9. Τηλεπισκόπιση
  10. Παραδείγματα σύνθεσης πληροφορίας σε τηλεπισκόπιση.
  11. Σύνθεση αποφάσεων
  12. Υπερδειγματοληψία – Noise shaping – Κωδικοποιητές ΣΔ.