Sumários

Redes Neuronais (13/05/2004 16:00)

Classificação com redes neuronais. Mapas de Kohonen.

Redes Neuronais (11/05/2004 14:00)

Resolução de problemas. Treino do perceptrão por mínimos quadrados.

Redes Neuronais (10/05/2004 14:00)

Perceptrão de multicamada. Algoritmo de retropropagação. Ténicas de aceleração.

Redes Neuronais (4/05/2004 14:00)

Motivação histórica. O modelo de McCulloch e Pitts. Perceptrão simples e algoritmo de Rosemblat. Algoritmo do gradiente. Exemplos.

Técnicas de agrupamento (clustering) (27/04/2004 14:00)

Resolução de problemas.

Técnicas de agrupamento (clustering) (20/04/2004 14:00)

Métodos de agrupamento: técnicas hierárquicas e particionais. Os algoritmos single-link e complete-link. O algortimo das K-médias.

Aprendizagem Supervisionad (cont.) (19/04/2004 14:00)

Estimação não paramétrica. Método das janelas de Parzen. Janela gaussiana e janela adaptativa. Classificador de k-vizinhos mais próximos (K-NN).

Aprendizagem Supervisionad (cont.) (6/04/2004 14:00)

Estimação de erro quadrático médio mínimo (MSE) e de MAP. Exemplos de estimação de MSE e MAP em gaussianas uni- e multi-variadas. Estimação de MV e de MAP de distribuições exponencial e uniforme.

Aprendizagem Supervisionad (cont.) (5/04/2004 14:00)

Método de máxima verosimilhança (MV). Problema de estimação dos parâmetros de distribuições gaussianas. Estimação bayesiana. .

Aprendizagem Supervisionada (30/03/2004 14:00)

Aprendizagem supervisionada. Estimação do classificador de Bayes - regra de "plug-in". Estimação de distribuições de probabilidades condicionadas: métodos paramétricos e não paramétricos.

Classificação de Bayes (cont.) (23/03/2004 14:00)

Avaliação de classificadores: risco de decisão e probabilidade de erro..

Classificação de Bayes (cont.) (22/03/2004 14:00)

Custos de decisão e classificador de Bayes. O classificador de MAP como caso particular do classificador de Bayes.

Classificação de Bayes (cont.) (16/03/2004 14:00)

Classificador de MAP: caso gaussiano uni-variado e multi-variado.

Classificação de Bayes (15/03/2004 14:00)

Como classificar conhecidos os modelos probabilísticos. O classificador de MAP. Resolução de problemas de decisão binária.

Classificadores (9/03/2004 14:00)

Regras de decisão de MAP (máximo a posteriori) e MV (máxima verosimilhança) e funções discriminantes. Exemplos.
Avaliação de classificadores. Probabilidade de erro e matriz de confusão. Exercícios sobre regiões de decisão e funções discriminantes.

Conceitos básicos de reconhecimento de padrões (8/03/2004 14:00)

Classificação e agrupamento. Representação de padrões e tipos de classificadores. Espaço de características e regiões de decisão. O problema de dimensionalidade do espaço de características. Extracção e selecção de características. Estrutura clássica de um sistema de reconhecimento de padrões. Funções discriminantes. Exemplos.

Revisão sobre teoria das probabilidades (2/03/2004 14:00)

Variáveis aleatórias vectoriais. Distribuição conjunta. Probabilidade condicional e regra de Bayes. Valor expectável. Distribuição binomial. Distribuição normal multivariada.

Apresentação da disciplina (1/03/2004 14:00)

Horário, método de avaliação e programa da disciplina. Breve introdução aos objectivos da disciplina.