Утверждаю Заведующий кафедрой Информационных технологий / / | СОГЛАСОВАНО Зам. декана по учебной работе факультета физико-математических и естественных наук / / |
БАЛЛЬНО-РЕЙТИНГОВАЯ СИСТЕМА ОЦЕНКИ ЗНАНИЙ СТУДЕНТОВ
по дисциплине «Математические основы распознавания образов»
для специальности НИ, 5 курса (10 семестр)
Кафедра Информационных технологий
Сводная оценочная таблица дисциплины (5 курс, 10 семестр)
№ | Раздел тема | Формы контроля уровня освоения ООП | Баллы темы | Баллы раздела | |
Выполнение домашних работ | Выполнение контрольных работ * | ||||
1 | Алгебраический подход (постановка задачи распознавания по ). Алгоритм вычисления оценок (АВО) как универсальный язык описания процедур распознавания. Метод комитетов. Постановка задачи на основе нейросетевых технологий. Эвристические методы распознавания. | 4 | 4 | 8 | 50 |
2 | Взаимосвязь размерности вектора признаков и эффективности распознавания. Формирование признакового пространства. Выбор оптимального набора информативных признаков. Оценка и критерии информативности признаков. Информационный способ оценки независимых признаков. Выбор системы зависимых признаков. Метод последовательного сокращения (DEL). Метод последовательного добавления признаков (ADD). Комбинированный метод (ADD-DEL). Метод случайного поиска с адаптацией. Оценка информативности признаков по методу | 4 | 4 | 8 | |
3 | Выделение и измерение параметров локальных объектов на растровом изображении. Выделение отрезков линий. Нахождение дуг окружностей. Определение ориентации трехмерных полутоновых и бинарных объектов. Восстановление трехмерной информации по двум центральным проекциям. Функции Радемахера. Преобразования Уолша, Адамара, Хаара и их применение для анализа изображений. Волновой алгоритм выделения объектов. Выделение объектов методом гистограмм. Практическое обнаружение и распознавание объектов на космических снимках. | 7 | 7 | 14 | |
4 | Прогнозирование и интерполяция данных на нейронных сетях. Сжатие изображений нейронными сетями прямого распространения. Сжатие на основе сети Кохонена. Фильтрация изображений на нейронных сетях. Метод комитета большинства. Проблемы и решения. Решение задачи комитета на основе комбинации ИНС. Распознавание образов на основе теории фракталов. Метод группового учета аргументов (МГУА). Метод потенциальных функций. | 3 | 3 | 6 | |
5 | Эвристические метод распознавания образов по Распознающие автоматы. Распознавание на основе обыкновенных сетей Петри. Раскрашенные сети Петри и их применение для work-flow процессов. | 3 | 3 | 6 | |
6 | Вероятностные нейронные сети. Нечеткие нейронные сети. Сети Байеса. | 4 | 4 | 8 | |
7 | Оптимизация и нейронные сети. Задачи коммивояжера (Cети Хопфилда и Кохонена). Сети Поттса. Постановки задач начального размещения кластеров | 5 | 5 | 10 | 50 |
8 | Решение задачи канальной трассировки генетическим алгоритмом. Определение оптимальных параметров настройки регуляторов генетическим методом с нечеткими оценками качества.. | 4 | 4 | 8 | |
9 | Задачи преследования и уклонения | 4 | 4 | 8 | |
10 | Кластеризация и построение деревьев решений. Метод С4.5, метод CART. Расширение методов. Иерархические и неиерархические методы кластеризации. Алгоритм k-means.. | 4 | 4 | 8 | |
11 | Задачи биометрической идентификации. Распознавание образов в медицине. Кластеризация и классификация текстов. Задача распознавания образов в системе автономного адаптивного управления. Распознавание в задачах медицинской диагностики. Построение систем технического зрения (роботы). Современные методы образного анализа данных. | 4 | 4 | 8 | |
12 | Ассоциативные машины. Адаптивная резонансная теория (АРТ). Функционирование сети APT в процессе классификации. Концепция построения нейрокомпьютера. | 4 | 4 | 8 | |
Итого | 50 | 50 | 100 | 100 |
