Emne - Estimering, deteksjon og klassifisering - TTT4275
Estimering, deteksjon og klassifisering
Velg studieårOm
Om emnet
Faglig innhold
Estimering, deteksjon og klassifisering er helt avgjørende i de aller fleste signalbehandlingssystemer innen IKT, De tre fagfeltene danner også grunnlaget for data-analyse i andre viktige områder som økonomi, medisin, industri, seismikk osv. Dette emnet gir en grunnleggende innføring i prinsippene for estimering, deteksjon og klassifisering med fokus på IKT-anvendelser basert på signalbehandling. Den brede anvendelsen av de tre fagfeltene blir demonstrert vha. å anvende reelle fysiske data på innen sett med utvalgte eksempler innen biomedisin, multimedia, tale, kommunikasjon osv. Emnet består av tre moduler: --- a) Estimering : Introduksjon, Minimum varians forventningsrett estimator og Cramer-Rao nedre grense, Lineære modeller og estimatorer basert på minste kvadratisk avvik , Maksimum Likelihood og Bayesisk estimering --- b) Deteksjon : Introduksjon, Statistisk desisjonsteori, Binær hypotese, Likelihood ratio test, Bayes risk, Neyman-Pearson, ROC/DET. Deteksjon av of henholdsvis deterministiske og tilfeldige signaler --- c) Klassifisering : Introduksjon, teoretisk optimal klassifiserer, tre basis-klassifiserere, estimering og klyngeanalyse innen design, evaluering av ytelse, kort om state-of-the-art inklusive maskinlæring.
Læringsutbytte
Kunnskaper : Kandidaten har (i) prinsipiell forståelse av begrepene estimering, deteksjon og klassifisering; (ii) detaljerte kunnskaper om grunnleggende teknikker og dermed forutsetning for å bruke mer avanserte teknikker; (ii) praktisk forståelse for hvor og hvordan bruke de tre fagområdene til å løse reelle problemer; (iv) kjennskap til betydningen av data i design- og evaluerings-fasen. Ferdigheter : Kandidaten kan (i) identifisere behovet for estimering, deteksjon og klassifisering i praktiske problemer; (ii) velge en fornuftig metode for et gitt problem; (iii) finne og sette seg inn i mer avanserte metoder hvis nødvendig; (iv) implementere metodene i Matlab/Python; og (v) evaluere ytelsen for en valgt klassifiserer for et gitt problem.
Læringsformer og aktiviteter
Forelesninger med vekt på praktiske eksempler, øvinger og et avsluttende gruppebasert prosjekt.
Mer om vurdering
Vurderingen er basert på en skriftlig avsluttende eksamen tellende 70% og prosjektinnlevering tellende 30%. Hver del gis bokstavkarakter. Totalvurdering av emnet gis som bokstavkarakter.
Prosjektinnleveringen er en teknisk rapport med beskrivelse av problemet og av teknikkene vurdert for løsningen, kvantitative resultat og diskusjon av resultatene, i tillegg til utviklet kode brukt til å generere resultatene som vedlegg.
Innleveringsfrist for rapporten blir informert til studentene via Blackboard, på første undervisningsdag. Det gis ingen tilbakemelding undervis til studentene, resultatene av rapporten formidles til studentene etter skriftlig eksamen.
Utsatt eksamen i august kan endres fra skriftlig til muntlig eksamen. Ved gjentak må hele emnet gjentas.
Anbefalte forkunnskaper
Tilsvarende TMA4245 Statistikk samt TTT4120 Digital Signalbehandling.
Forkunnskapskrav
Kunnskap om lineær algebra, sannsynlighetsteori, tilfeldige variabler og stokastiske prosesser.
Kursmateriell
Kursmateriell vil bli avklart i forkant av første forelesningssemester.
Fagområder
- Elektronikk og telekommunikasjon
- Signalbehandling