Навигација

13М051СКС - Статистичка класификација сигнала

Спецификација предмета
НазивСтатистичка класификација сигнала
Акроним13М051СКС
Студијски програмЕлектротехника и рачунарство
Модул
Тип студијамастер академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
    Број ЕСПБ6.0Статус предметаизборни
    Условљност другим предметиманема
    Циљеви изучавања предметаЦиљ предмета је да студенти овладају основним техникама статистичкe класификације сигнала: тестирање хипотеза, параметарска класификација, непараметарска класификација.
    Исходи учења (стечена знања)Исход предмета су да студенти имају вештине да: издвоје и среде информативна обележја, генеришу или прикупе квалитетне обучавајуће скупове, да примене неку од одговарајућих техника за тестирање хипотеза, да испројеткују параметарске или непараметарске класификаторе.
    Садржај предмета
    Линк ка страници предметаhttp://automatika.etf.rs/sr/13m051sks
    Линк ка предавањимаhttps://teams.microsoft.com/l/team/19%3ad5XZYFK0aIysTJLPl03PxAs3VqgnGITYn98JMcTYwE01%40thread.tacv2/conversations?groupId=41f38255-c9c4-44b3-86ca-c39a60aa47a8&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
    Садржај теоријске наставеПреглед случајних променљивих и случајних вектора; Најважнији резултати линеарне алгебре; Издвајање и анализа обележја; Методе за тестирање хипотеза; Пројектовање параметарских класификатора; Пројектовање непараметарских класификатора; Редукција димензија података.
    Садржај практичне наставеУ току наставе студенти ће да решавају практичне проблеме: издвајање и анализа обележја из реалних сигнала, примена техника редукције димензија, пројектовање Бајесовог класификатора и секвенцијалног теста, пројектовање линеарног и квадратног класификатора.
    Литература
    1. Introduction to Statistical Pattern Recognition, Keinosuke Fukunaga, Academic Press, 1990
    2. Pattern Recognition, S. Theodoridis, K. Koutroumbas, Academic Press, 2009.
    3. Introduction to Data Mining (2nd Edition), Pang-Ning Tan, Michael Steinbach, et. al, Pearson, 2018
    4. Statistical Pattern Recognition (3rd edition), A. Webb, K. Copsey, Wiley, 2011
    Број часова активне наставе недељно током семестра/триместра/године
    ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
    31
    Методе извођења наставе3x15 часова предавања, 1х15 практичне наставе рада на рачунару.
    Оцена знања (максимални број поена 100)
    Предиспитне обавезеПоенаЗавршни испитПоена
    Активности у току предавања0Писмени испит70
    Практична настава30Усмени испит0
    Пројекти
    Колоквијуми0
    Семинари0