¡Esta es una revisión vieja del documento!


Reconocimiento de Patrones

Objetivos

Dar al estudiante las ideas básicas y motivación de diferentes métodos de reconocimiento de patrones y aprendizaje de máquina al igual que un entendimiento formal de cómo y porque funcionan.

Descripción

Este curso trata sobre los fundamentos para presentar y reconocer patrones y características de interés en datos numéricos. En el curso discuten las herramientas básicas y la teoría de análisis de patrones. Se empieza con una introducción general a los sistemas de reconocimiento de patrones, se continua con la estimación paramétrica y no paramétrica de densidades probabilísticas. Después se aborda el análisis discriminante lineal y no lineal y el desempeño de clasificadores. Finalmente, se estudian la selección y extracción de características y el clustering.

Contenido

Introducción al reconocimiento de patrones (1sesion)[1],[2],[3],[4]

  • Modelo básico
  • Etapas en el problema de reconocimiento de patrones - Supervisado vs no supervisado
  • Diferentes enfoques del reconocimiento de patrones

Estimación patamétrica de densidades (2 sesiones) [5],[6]

  • Indroducción
  • Modelos normales
  • Modelos normales de mixtura
  • Estimadores bayesianos

Estimación no-paramétrica de densidades (2 sesiones) [5],[6]

  • Indtroduccuón
  • Modelo del histograma
  • Método de k vecinos más cercanos (k-nearest neighbors)
  • Métodos kernel

Análisis discriminante lineal (2 sesiones) [5],[6],[1],[7]

 
materias/reconocimiento_de_patrones.1447086326.txt.gz · Última modificación: 2015/11/09 11:25 por laura.triana
Recent changes RSS feed Donate Powered by PHP Valid XHTML 1.0 Valid CSS Driven by DokuWiki