Opinto-opas 2008-2009 |
|||||
| Perus | Pori | KV | Jatko | Avoin | |
|
|
|
|||||||||||||||||
Oppivat ja älykkäät järjestelmät |
Aineopinnot
Alpo Värri, Ari Visa
- Tavoitteena on antaa opiskelijalle perustiedot oppivista ja älykkäistä menetelmistä.
- Toisena tavoitteena on antaa opiskelijalle kyky soveltaa menetelmiä erityisesti signaalinkäsittelyn sovellutuksissa.
OHJ-1100 Ohjelmointi I 4 op ( Suositeltava )
SGN-1200 Signaalinkäsittelyn menetelmät 4 op ( Pakollinen )
| Opintojakso | Opintopisteet | Vuosikurssi |
| ACI-41050 Sumea laskenta | 4 op | III |
| SGN-1250 Signaalinkäsittelyn sovellukset | 4 op | III |
| SGN-2500 Johdatus hahmontunnistukseen | 4 op | III |
| SGN-2556 Pattern Recognition | 5 op | III |
| SGN-2806 Neural Computation | 5 op | III |
| Yhteensä | 22 op |
Listasta täydennetään opintokokonaisuuden laajuuteen (25)
| Opintojakso | Opintopisteet | Vuosikurssi |
| ACI-41030 Neuro- sumeat järjestelmät | 5 op | IV |
| ACI-41070 Oppiva ja älykäs säätö | 5 op | IV |
| MAT-52800 Soft Computing | 4 op | IV |
| MIT-4030 Mikroanturit | 5 op | IV |
| OHJ-1150 Ohjelmointi II | 5 op | II |
| OHJ-2550 Tekoäly | 6 op | IV |
| OHJ-4200 Laitteistonläheinen ohjelmointi | 4 op | III |
| SGN-2010 Digitaalinen lineaarinen suodatus I | 5 op | II |
| SGN-2206 Adaptive Signal Processing | 5 op | IV |
| SGN-2606 Statistical Signal Processing | 5 op | V |
| SGN-2706 Nonlinear Signal Processing | 5 op | IV |
| SGN-3010 Digitaalinen kuvankäsittely I | 5 op | II |
| SGN-4106 Speech Recognition | 5 op | III |
| SGN-4507 Speech Recognition Laboratory | 3 op | IV |
| SGN-5306 Knowledge Mining | 3 op | III |
| TKT-1110 Mikroprosessorit | 5 op | II |
| TKT-1202 Digitaalisuunnittelu | 5 op | I |
| TKT-3500 Mikrokontrollerijärjestelmät | 5 op | II |
| TKT-3541 SoC-alustat | 5 op | IV |
| TTE-5210 Konenäkö tuotantoautomaatiossa | 5 op | V |
| Yhteensä | 95 op |
Oppivilla ja älykkäillä menetelmillä tarkoitetaan pääsääntöisesti menetelmiä, joiden avulla voidaan suorittaa tietynlaista älykkyyttä vaativia tehtäviä kuten hahmontunnistus (luokittelu), ennustaminen ja erilaisten signaalien analysointi. Tällaisia ominaisuuksia tarvitaan esimerkiksi itsenäisesti toimivissa koneissa ja laitteissa. Neurolaskenta ja sumea logiikka ovat kaksi tunnettua esimerkkiä oppivista ja älykkäistä menetelmistä. Yksi keskeinen oppivien ja älykkäiden menetelmien käyttöalue on signaalinkäsittely ja sen sovellutukset. Oppivien ja älykkäiden järjestelmien sivuaine antaa opiskelijalle perustiedot oppivista ja älykkäistä menetelmistä sekä kyvyn soveltaa niitä erityisesti signaalinkäsittelyn sovellutuksissa. Täydentävillä kursseilla sivuaineen painotusta voidaan suunnata joko teoreettisempaan tai soveltavampaan suuntaan.