Teorie e tecniche del riconoscimento (2009/2010)

Codice insegnamento
4S02803
Docente
Marco Cristani
Coordinatore
Marco Cristani
crediti
6
Altri corsi di studio in cui è offerto
Settore disciplinare
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Lingua di erogazione
Italiano
Periodo
I semestre dal 1-ott-2009 al 31-gen-2010.

Orario lezioni

I semestre
Giorno Ora Tipo Luogo Note
giovedì 15.30 - 17.30 lezione Aula C, Alfa dal 8-ott-2009  al 31-gen-2010
venerdì 9.30 - 11.30 lezione Aula C dal 9-ott-2009  al 31-gen-2010

Obiettivi formativi

Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre.

Nel corso verrà data enfasi alle tecniche probabilistiche e statistiche con particolar riferimento all’apprendimento automatico di sistemi volti al riconoscimento e la classificazione.

Le applicazioni che questa disciplina coinvolge sono molteplici. Tra queste ci sono le applicazioni legati all’elaborazione delle immagini e visione, data mining, la bioinformatica, analisi ed interpretazione di dati medicali e biologici (e.g., genomica, proteomica, etc.), la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.

Programma

* Introduzione: cos’è, a cosa serve, sistemi, applicazioni
* Riconoscimento e classificazione••
* Teoria della decisione di Bayes •
* Stima dei parametri
* Metodi non parametrici
* Classificatori lineari, non lineari e funzioni discriminanti
* Estrazione e selezione di feature, PCA e trasformata di Fisher
* Algoritmo Expectation-Maximization e misture di Gaussiane
* Metodi generativi e discriminativi
* Metodi Kernel e Support Vector Machines
* Reti neurali artificiali
* Hidden Markov Models
* Metodi di classificazione non supervisionata (clustering)

Il corso viene svolto in 32 ore di lezioni frontali e 24 ore di laboratorio. L'attività di laboratorio prevede la pratica e risoluzione di esercizi mediante l'uso di MATLAB volti all'apprendimento pratico e alla miglior comprensione della teoria svolta a lezione.

Modalità d'esame

La verifica del profitto avverrà mediante un'attività di progetto e una breve prova orale. Il progetto riguarderà gli argomenti trattati a lezione con riferimento all'elaborazione delle immagini e visione, ma anche altre applicazioni potranno essere considerate. La prova orale verterà sui temi sviluppati a lezione e potrà essere sostituita da una prova scritta con brevi domande simili alla prova orale.

Statistiche per i requisiti di trasparenza (Attuazione Art. 2 del D.M. 31/10/2007, n. 544)

I dati relativi all'AA 2009/2010 non sono ancora disponibili