Asignaturas Temas Asignaturas Temas

Transcripción

1 1 Datos de la Asignatura Nombre de la asignatura: Carrera: Clave de la asignatura: Reconocimiento de Patrones Ingeniería en Sistemas CIE-0701 Horas teoría / práctica / Créditos: Historia del Programa Lugar y fecha de elaboración o revisión de Xalapa. Del 1 al 30 de junio 2007 de Xalapa. Del 1 al 30 de junio 2007 de Xalapa. Julio 2007 Participantes Observaciones (cambios y justificación) Definición de la especialidad de Cómputo Inteligente Propuesta de las materias de la especialidad Definición de los contenidos de los programas de las materias de la especialidad 3 Ubicación de la Asignatura. a) Relación con otras asignaturas del plan de estudio Anteriores Posteriores Asignaturas Temas Asignaturas Temas Matemáticas V Todos Visión Todos Probabilidad y Estadística Todos Aprendizaje Automático Todos

2 b) Aportación al perfil del egresado El contenido de la asignatura de Reconocimiento de Patrones es el conocimiento metodológico y aplicación técnica de las materias formadoras, de tal manera que el estudiante tendrá: Habilidad para analizar problemas desde un enfoque matemático, estadístico. Dominará y aplicará las técnicas fundamentales para el análisis estadístico en problemas de Reconocimiento de Patrones. 4 Objetivo(s) general(es) del curso El alumno será capaz de comprender los principales conceptos teóricos y algoritmos clásicos utilizados al resolver problemas de reconocimiento y clasificación de patrones a partir de datos sensoriales, así como también el alumno será capaz de proponer su aplicación a problemas prácticos concretos. 5 Temario Unidad Temas Subtemas 1 Teoría de la decisión bayesiana Aproximación al problema de reconocimiento de patrones Teoría de la Probabilidad y Regla de Bayes Clasificación con la mínima tasa de error 1.4. Clasificadores, funciones discriminantes, superficies de decisión 1.5. Densidad normal 2 Pre-procesado y extracción de características 2.1 Normalización 2.2 Reducción de la Dimensionalidad. 3 Generalización 3.1 Estimación error de generalización. 3.2 Control de la Complejidad 4 Técnicas de Clasificación 4.1 Métodos Paramétricos 4.2 Métodos no-paramétricos 5 Clustering 5.1 Métodos Jerárquicos 5.2 Métodos no-jerárquicos

3 6 Aprendizajes Adquiridos Conocer y comprender los fundamentos de reconocimiento de patrones. Conocer y comprender la metodología para la identificación de patrones. Analizar e implementar las diversas etapas en el reconocimiento de patrones. 7 Sugerencias Didácticas Exposición Oral y Audio Visual. Participación en foros de internet. Investigación documental y en internet. Suscripción a revistas digitales. Desarrollo de prácticas en ambientes controlados. 8 Sugerencias de Evaluación Exámenes parciales Prácticas en clase y extra clase Participación en exposiciones Evaluación basada en proyecto Participación en foros académicos 9 Unidades de Aprendizaje UNIDAD 1. Teoría de la Decisión Bayesiana El alumno conocerá los fundamentos de la teoría bayesiana Lecturas Realización de Problemas 6,7 UNIDAD 2. Preprocesado y extracción de características Conocer y entender las principales técnicas de preprocesado de datos para la identificación de características Lectura y discusión en grupo. Análisis de técnicas de preprocesado de señales. Implementación de algoritmos de preprocesado de señales. 1,7

4 UNIDAD 3. Generalización Comprender el principal problema en la definición de clases Lecturas Discusión en grupo Resolución de ejercicios 7 UNIDAD 4. Técnicas de clasificación Identificar las principales técnicas de clasificación, así como la implementación de algoritmos Análisis de artículos Programación de técnicas 3,6,7 UNIDAD 5. Clustering Analizar e implementar técnicas de clasificación no supervizado Análisis de artículos Programación de técnicas 7 10 Fuentes de Información. 1. Pattern Recognition Principles. Autor: J. Tou, R. González Editorial: Addison-Wesley Isbn: Fecha de Publicación: Pattern Recognition: A Statistical Approach Autor: P. Devijver and J. Kittler Editoral: Fecha de Publicación: 3. Pattern Classification and Scene Analysis Autor:Duda and Hart. Editorial:

5 Fecha de Publicación: 4. Pattern classification. Autor: R.O. Duda, P.E. Hart, D.G. Editorial: Stork Wiley, Fecha de Publicación: Reconocimiento de formas y visión artificial. Autor: D. M. Gómez Allende Addison-Wesley Iberoamericana, Fecha de Publicación: Neural Networks for Pattern Recognition. Autor: Christopher M. Bishop. Oxford University Press, Fecha de Publicación: Pattern Recognition. Autor: Sergios Theodoridis Editorial: Academic Press. Fecha de Publicación: PRACTICAS. Nombre de la práctica Objetivo General: Objetivos Específicos: Clustering Dado un vector de características determinar los parámetros que se relacionan Determinar la un parámetro que permita establecer la relación entre dos características Establecer los grupos disjuntos de tal vecto de características Nombre de la práctica Objetivo General: Objetivos Específicos: Análisis de Texturas Clasificación de texturas Utilizar estímadores estadísticos y matrices de coocurrencia para la selección y clasificación de texturas.