การรู้จำแบบรูป
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
แนวคิดเกี่ยวกับการรู้จำแบบรูป แนะนำระบบเชิงเส้น และการแปลงเชิงเส้น แนะนำทฤษฎีความน่าจะเป็น การเลือกค่าลักษณะเด่น การประเมินค่าลักษณะเด่น และการแปลงค่าลักษณะเด่น แนะนำตัวจำแนกแบบเบส์
การประมาณค่าพารามิเตอร์ด้วยวิธีความเป็นไปได้สูงสุด และแบบเบย์เซียน แบบจำลองฮิดเดนมาคอฟ ตัวจำแนกแบบเครือข่ายประสาทเทียม ตัวจำแนกแบบฟัซซี่ลอจิก การประยุกต์ใช้ระบบรู้จำแบบรูปสำหรับการรู้จำภาพและเสียง
เค้าโครงรายวิชา
1. แนวคิดเกี่ยวกับการรู้จำแบบรูป (2 ชั่วโมง)
2. แนะนำระบบเชิงเส้นและการแปลงเชิงเส้น (2 ชั่วโมง)
3. แนะนำทฤษฎีความน่าจะเป็น (4 ชั่วโมง)
4. การเลือกค่าลักษณะเด่น (2 ชั่วโมง)
5. การประเมินค่าลักษณะเด่นและการแปลงค่าลักษณะเด่น (6 ชั่วโมง)
6. แนะนำตัวจำแนกแบบเบส์ (4 ชั่วโมง)
7. การประมาณค่าพารามิเตอร์ด้วยวิธีความเป็นไปได้สูงสุดและแบบเบย์เซียน (4 ชั่วโมง)
8. แบบจำลองฮิดเดนมาคอฟ (4 ชั่วโมง)
9. ตัวจำแนกแบบเครือข่ายประสาทเทียม (4 ชั่วโมง)
10. ตัวจำแนกแบบฟัซซี่ลอจิก (8 ชั่วโมง)
11. การประยุกต์ใช้ระบบรู้จำแบบรูปสำหรับการรู้จำภาพและเสียง (8 ชั่วโมง)
ผลสัมฤทธิ์การเรียนรู้
1. อธิบายหลักการทั่วไปของการรู้จำแบบรูปได้
2. สร้างแบบจำลองและทดสอบอัลกอริธึมเพื่อการรู้จำแบบรูปได้
3. ประยุกต์ใช้อัลกอริธึมเพื่อการรู้จำแบบรูปได้
Pattern Recognition
Prerequisite: None
Concepts of pattern recognition, Introduction to linear system and linear transformations, Introduction to probability theory, Feature selection, Feature evaluation and feature transformation, Bayesian classifier, Maximum likelihood parameter estimation, Bayesian parameter estimation, Hidden Markov model, Neural network classifier, Fuzzy logic classifier, Application of pattern recognition on images and voice
Course Outline
1. Concepts of pattern recognition (2 hours)
2. Introduction to linear system and linear transformations (2 hours)
3. Introduction to probability theory (4 hours)
4. Feature selection (2 hours)
5. Feature evaluation and feature transformation (6 hours)
6. Bayesian classifier (4 hours)
7. Maximum likelihood parameter estimation and Bayesian parameter estimation (4 hours)
8. Hidden Markov model (4 hours)
9. Neural network classifier (4 hours)
10. Fuzzy logic classifier (8 hours)
11. Application of pattern recognition on images and voice (8 hours)
Learning Outcomes
1. Explain the principles of pattern classification
2. Construct and test pattern classification algorithms
3. Apply pattern classification algorithms