I4560 教學大綱表

教學大綱表

請遵守智慧財產權，勿使用非法影印教科書，避免觸法。

課程名稱	(中文) 圖形識別 (英文) Pattern Recognition			開課單位	資訊工程研究所
				課程代碼	I4560
授課教師	虞台文
學分數	3.0	必/選修	選修	開課年級	研究所
先修科目或先備能力：Linear Algebra, Probability
課程概述與目標：圖形識別為智慧型系統重要的一個單元，為各種辨識技術，如：電腦視覺、語音辨識、生物辨識等，的主要基礎。主要授課內容包括：各種識別技術、特徵擷取方法、與機器學習等。本課程對未來從事各項智慧型系統的深入研究，有莫大幫助。
教科書	Pattern Classification (2nd Edition) Richard O. Duda, Peter E. Hart, and David G. Stork
參考教材	Computer Manual in MATLAB to Accompany Pattern Classification, Second Edition, by David G. Stork, Elad Yom-Tov

課程大綱			學生學習目標	單元學習活動	學習成效評量	備註
週	單元主題	內容綱要	學生學習目標	單元學習活動	學習成效評量	備註
1	Introduction	1. The goal of pattern classification 2. The main components 3. Some practical examples	Introduction	討論講授	問答作業
2	Bayesian Decision Theory	1. Bayesian Decision Theory 2. Classifiers, Discriminant Functions, and Decision Surfaces	Bayesian Decision Theory	討論講授	問答作業
3	Bayesian Decision Theory	3. The Normal Density 4. Discriminant Functions for the Normal Density	Bayesian Decision Theory	討論講授	問答報告
4	Maximum Likelihood	1. Maximum Likelihood Estimation 2. Baysian Estimation	Maximum Likelihood	討論講授	問答作業
5	Bayesian Parameter Estimation	1. Bayesian Parameter Estimation: Gaussian Case 2. Bayesian Parameter Estimation: General Theory	Bayesian Parameter Estimation	討論講授	問答作業
6	Hidden Markov Models	1. Hidden Markov Models 2. Evaluation, Decoding, and Learning	Hidden Markov Models	討論講授	問答平時考
7	Nonparametric Techiques	1. Density Estimation 2. Parzen window 3. Nearest-Neighbor Estimation	Nonparametric Techiques	討論講授	問答作業
8	Nonparametric Techiques	4. Nearest-Neighbor Rule 5. Metrics and Nearest-Neighbor Classification	Nonparametric Techiques	討論講授	問答報告
9	Review	Review	Mid-term	心得發表	期中考
10	Linear Discriminant Functions	1. Linear Discriminant Functions and Decision Surfaces 2. Two-Category Linearly Separable Case 3. Minimizing the Perceptron Criterion Function	Linear Discriminant Functions	討論講授	問答作業
11	Linear Discriminant Functions	4. Relaxation Procedures 5. Minimum Squared-Error Procedures	Linear Discriminant Functions	討論講授	問答作業
12	Multilayer Neural Networks	1. Feedforward Operation and Classificaion 2. Backpropagation Algorithm 3. Error Surface	Multilayer Neural Networks	討論講授	問答報告
13	Multilayer Neural Networks	4. Backpropagation as Feature Mapping 5. Backpropagation, Bayes Theory and Probability 6. Practical Techniques for Improving Backpropagaion	Multilayer Neural Networks	討論講授	問答作業
14	Stochastic Methods	1. Stochastic Search 2. Boltzmann Learning	Stochastic Methods	討論講授	問答作業
15	Nonmetric Methods	1. Decision Trees 2. CART	Nonmetric Methods	討論講授	問答平時考
16	Nonmetric Methods	3. Grammatical Methods 4. Grammatical Inference	Nonmetric Methods	討論講授	問答作業
17	Unsupervised Learning and Clustering	1. Unsupervised Bayesian Learning 2. Data Description and Clustering	Unsupervised Learning and Clustering	討論講授	問答作業
18	Review	Review	Final	心得發表	期末考報告

教學要點概述：
教材編選： ■ 自編教材 □ 教科書作者提供
評量方法：
教學資源： ■ 教材電子檔 □ 課程網站
扣考規定：http://eboard.ttu.edu.tw/ttuwebpost/showcontent-news.php?id=504