Методы распознования образов

Цели и задачи изучения модуля (дисциплины):

Целью дисциплины является наделение студентов знаниями и практическими навыками по разработке математических методов, алгоритмов и программных средств для решения задач распознавания образов (в том числе зрительных), а также понимания (автоматической интерпретации) изображений. 
В процессе изучения курса студенты должны получить необходимые сведения об основных методах построения распознающих систем и систем обработки больших информационных массивов, научиться ставить и решать задачи обучения и самообучения при распознавании образов, производить анализ и оптимизацию алгоритмов распознавания и понимания изображений по критериям качества и вычислительной сложности.

Требования к уровню подготовки:

Студенты, завершившие изучение данной дисциплины, должны знать:

• статистический подход к решению задачи распознавания, основанный на отношении правдоподобия;
• байесовский классификатор непрерывных векторов признаков;
• методы построения линейных решающих функций, последовательные алгоритмы обучения линейного классификатора (персептрона), методы стохастической аппроксимации в задачах последовательного обучения классификаторов;
• методы построения классификаторов, основанных на параметрическом и непараметрическом оценивании плотности вероятностей распределений вектора признаков;
• методы автоматического обучения и кластеризации;
• нейронные сети, архитектура нейронной сети, алгоритм обратного распространения ошибки для обучения нейронной сети.

уметь:

• применять полученные теоретические знания на практике;
• изучать новые научные результаты, научную литературу или научно-исследовательские проекты в области распознавания образов и понимания изображений;
• разрабатывать и исследовать алгоритмы, методы и программное обеспечение решения прикладных задач распознавания образов.