Запобігання поширенню коронавіусу 2019-nCoV

Реєстрація на творчі конкурси для вступу на базі ПЗСО

Комп'ютерні технології розпізнавання та класифікації в складних системах

Спеціальність: Системний аналіз
Код дисципліни: 8.124.00.O.10
Кількість кредитів: 4
Кафедра: Інформаційні системи та мережі
Лектор: Професор, професор кафедри ІСМ, д.т.н. Берко Андрій Юліанович
Семестр: 3 семестр
Форма навчання: денна
Результати навчання:
- володіння знаннями і розуміння наукових засад розпізнавання та класифікації в складних системах, їх вдосконалення;
- здатність формувати теоретичні та практичні рішення в управлінні процесами розпізнавання та класифікації в складних системах;
- здатність використовувати знання та навички щодо проведення збору даних, моделювання відповідних ресурсів і систем при аналізі конкурентоспроможності установи.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
Моделювання, аналіз та синтез взаємодії складних інформаційних систем. Методи аналізу та оптимізації складних систем. Системний аналіз багатокритеріальних процесів різної природи.
Короткий зміст навчальної програми:
Основні поняття і задачі розпізнавання та класифікації об’єктів, явищ, процесів, ситуацій. Задачі діагностики. Вимоги до постановки задач розпізнавання. Гіпотеза компактності. Побудова евристичного алгоритму розпізнавання. Функціональна модель та формалізація процедури розпізнавання. Поняття ознаки та їх види. Інформативність ознак та їх відбір. Означення еталону. Сприйняття образів за сукупністю ознак. Поняття ознакового простору та його метрики. Міри близькості для кількісних, якісних та бінарних ознак. Поняття матриці близькості. Поняття класифікації та її методи. Чисельна класифікація та її типи. Інформаційна статистика. Стратегії об’єднання та їх типи. Модель кластерного аналізу. Агломеративний ієрархічний кластерний аналіз з числовими та бінарними ознаками. Подання результатів кластеризації за допомогою дендрограми та їх інтерпретація. Статистичні методи розпізнавання. Задача мінімізації втрат для статистичних методів розпізнавання. Метод мінімуму середнього ризику. Метод розпізнавання, оснований на критерії мінімаксу. Модель розпізнавання, основана на методі НейманаПірсона. Модель розпізнавання основана на методі Байєса. Ілюстрація статистичних методів розпізнавання. Поняття рішаю чого правила та його явне задання. Метод розділяючої функції. Випадок розділення для двох і багатьох класів. Основні положення алгебраїчного підходу в розпізнаванні образів. Задача розпізнавання в сенсі побудови розпізнавальних операторів. Навчання розпізнаванню образів. Формальна модель навчання. Суть та види процедур навчання та постановка задачі навчання. Імовірнісні ітеративні алгоритми навчання. Оцінювання в методах розпізнавання. Параметричне і непараметричне оцінювання. Принципи класифікації методів розпізнавання образів. Інтенсіональні методи, основані на оцінках щільності розподілу значень ознак та припущеннях щодо класу вирішуючи функцій. Екстенсіональні методи: метод порівняння з прототипом, k-найближчих сусідів, алгоритму обчислення оцінок. Методи розпізнавання зображень. Основні задачі теорії розпізнавання зображень. Формалізація поняття «алгоритм розпізнавання зображення». Математична постановка задачі розпізнавання зображення. Функціональна модель процесу розпізнавання. Способи побудови алгоритму розпізнавання зображення. Методи розпізнавання природної мови. Основні елементи систем розпізнавання природної мови. Розпізнавання обличчя людей. Розпізнавання об’єктів в динаміці.
Рекомендована література:
1. Заяць В.М., Камінський Р.М. Методи розпізнавання образів: Навчальний посібник. – Львів: Видавництво Національного університету «Львівська політехніка», 2004. – 176 с.
2. Горелик А. Л., Скрипкин В. А. Методы распознавания М.: Высшая школа, 1989.
3. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. - М.: Наука, 2004. - 384 с.
4. Погребенник В.Д. Системи розпізнавання образів / Навч. посібник. – Львів: СПОЛОМ, 2007. – 170 с.
5. Главач В., Шлезингер М.И. Десять лекций по статистическому и структурному распознаванию образов. К.: Наукова думка, 2004.
Методи і критерії оцінювання:
письмові звіти з лабораторних робіт, усне опитування (50%)
підсумковий контроль (контрольний захід, екзамен): письмово-усна форма (50%)