[Forside] [Hovedområder] [Perioder] [Udannelser] [Alle kurser på en side]
Formålet med kurset er at give deltagerne indsigt i metoder i ikke-lineær signalbehandling og mønstergenkendelse anvendt på signaler som f.eks. musik, billeder og fysiologiske signaler. Deltagerne vil i løbet af kurset opnå erfaring med ikke-lineære modeller af sådanne signaler, hvor teknikker fra estimations/detektions teori og machine learning vil blive brugt til identifikation af modeller, for en efterfølgende signalanalyse og beslutningstagning. Deltagerne vil opnå praktisk erfaring med metoderne gennem udarbejdelse af et mindre antal emnerapporter.
I kurset præsenteres ikke-lineære metoder til analyse og beslutningstagning anvendt på signaler som f.eks. musik, billeder eller fysiologiske signaler. Teknikker fra estimations/detektions teori og machine learning vil blive præsenteret og anvendt på et antal eksempler (foreløbige emner/eksempler):
Menneske computer interface baseret på elektriske signaler fra hjernen (eeg, fysiologiske signaler).
Der kræves et kendskab til signalanalyse og signalbehandling svarende til bachelorniveau for IKT- eller E-ingeniør eller tilsvarende. Bachelorer i datalogi, fysik eller matematik, med kendskab til signalanalyse og signalbehandling, vil kunne følge kurset. Der kræves kendskab til indledende stokastisk signal behandling.
Peter Ahrendt og Henrik Karstoft
Forelæsninger, øvelser og minirapporter.
Annonceres senere
Mundtlig eksamen (30. min). I teoripensum (67%) and mini report (33%). Karakter på 7-scala. Extern eksaminator.