Artificiële neurale netwerken

Studiegidsnr:2000WETANN
Vakgebied:Fysica
Tweejaarlijks opleidingsonderdeel:Gedoceerd in acad.jaar aanvangend in ONEVEN jaar
Academiejaar:2019-2020
Semester:2e semester
Contacturen:30
Studiepunten:3
Studiebelasting:84
Contractrestrictie(s):Geen contractrestrictie
Instructietaal:Nederlands
Examen:2e semester
Lesgever(s)Paul Scheunders

Deze cursusinformatie is bedoeld om de student te ondersteunen bij het verwerken van de leerstof

3. Inhoud *

De cursus handelt over het gebruik van artificiele neurale netwerken, specifiek in het domein van statistische patroonherkenning. Na een grondige inleiding over het domein van statistische patroonherkenning wordt ingegaan op de feedforward neurale netwerken.

1. Inleiding: biologische neurale netwerken
2. Statistische Patroonherkenning
2.1 Een voorbeeld: karakterherkenning
2.2 Classificatie en regressie
2.3 Pre-processing en kenmerk extractie
2.4 De vloek van de dimensionaliteit
2.5 Polynoom fitting
2.6 Modelcomplexiteit
2.7 Multivariate niet-lineaire functies
2.8 Theorema van Bayes
2.9 Beslissingsvlakken

3. Waarschijnlijkheids dichtheids afschattingen
3.1 Parametrische methodes
3.2 Maximum Likelihood
3.3 Bayesiaans leren
3.4 Sequentiele parameterschatting
3.5 Niet-parametrische methodes
3.6 Mengmodellen

4. Het enkel lagig netwerk
4.1 Lineaire discriminant functies
4.2 Lineaire onderscheidbaarheid
4.3 Kleinste kwadraten technieken
4.4 Het perceptron
4.5 Fisher's lineaire discriminant

5. Meerlagige netwerken
5.1 Voorwaartse netwerk mappings
5.2 Threshold neuronen
5.3 Sigmoide neuronen
5.4 Gewichtsruimte symmetrie
5.5 Hogere orde netwerken
5.6 Projection Pursuit
5.7 Error back-propagatie
5.8 Jacobiaan
5.9 Hessiaan