Navigacija

13M051SKS - Statistička klasifikacija signala

Specifikacija predmeta
Naziv Statistička klasifikacija signala
Akronim 13M051SKS
Studijski program Elektrotehnika i računarstvo
Modul
Tip studija master akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
Nastavnik/saradnik (DON)
    Broj ESPB 6.0 Status predmeta izborni
    Uslovljnost drugim predmetima nema
    Ciljevi izučavanja predmeta Cilj predmeta je da studenti ovladaju osnovnim tehnikama statističke klasifikacije signala: testiranje hipoteza, parametarska klasifikacija, neparametarska klasifikacija.
    Ishodi učenja (stečena znanja) Ishod predmeta su da studenti imaju veštine da: izdvoje i srede informativna obeležja, generišu ili prikupe kvalitetne obučavajuće skupove, da primene neku od odgovarajućih tehnika za testiranje hipoteza, da isprojetkuju parametarske ili neparametarske klasifikatore.
    Sadržaj predmeta
    Link ka stranici predmeta http://automatika.etf.rs/sr/13m051sks
    Link ka predavanjima https://teams.microsoft.com/l/team/19%3AS52_kM6f5EkfwKtF8x3fSVtv2sVsnOP56AqkCb3bf781%40thread.tacv2/conversations?groupId=23bee610-3610-4714-871f-3ab0de102b73&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
    Sadržaj teorijske nastave Pregled slučajnih promenljivih i slučajnih vektora; Najvažniji rezultati linearne algebre; Izdvajanje i analiza obeležja; Metode za testiranje hipoteza; Projektovanje parametarskih klasifikatora; Projektovanje neparametarskih klasifikatora; Redukcija dimenzija podataka.
    Sadržaj praktične nastave U toku nastave studenti će da rešavaju praktične probleme: izdvajanje i analiza obeležja iz realnih signala, primena tehnika redukcije dimenzija, projektovanje Bajesovog klasifikatora i sekvencijalnog testa, projektovanje linearnog i kvadratnog klasifikatora.
    Literatura
    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
    Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
    Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
    3 1
    Metode izvođenja nastave 3x15 časova predavanja, 1h15 praktične nastave rada na računaru.
    Ocena znanja (maksimalni broj poena 100)
    Predispitne obaveze Poena Završni ispit Poena
    Aktivnosti u toku predavanja 0 Pismeni ispit 70
    Praktična nastava 30 Usmeni ispit 0
    Projekti
    Kolokvijumi 0
    Seminari 0