|
ASE-5120 Data-analyysin perusteet JY, 5 op
|
Risto Ritala
Ei toteutuskertoja
Tietokoneharjoitukset ja laskuharjoitukset/kotilaskut.
Opintojakso esittää mittaus- ja malliepävarmuuden sekä mittausdatan tulkinnan bayesilaisesta näkökulmasta. Opintojaksolla esitetään auto- ja ristikorrelaatiofunktiot sekä teho- ja ristispektri dynamiikan tarkastelun välineinä, kun systeemistä kerätty mittausdata on kohinaista. Opintojaksolla esitetään, miten ajallisen signaalin ja kuvadatan tehospektri muodostetaan ja tulkitaan. Osaa (arvosana 3/5) 1. Määritellä mittausinformaation kohdesysteemin tilan todennäköisyysjakaumana. 2. Laskea Bayesin kaavalla mittausinformaation datan ja ennakkotiedon perusteella. 3. Ratkaista ML/MAP ¿menetelmällä 1- tai 2-ulotteisten satunnaismuuttujien jakaumamallien parametrit ja niiden epävarmuuden. 4. Laskea lineaarisen dynaamisen järjestelmän taajuusvasteen kohinaisesta input/output ¿datasta ja arvostella saadun vasteen luotettavuutta. 5. Tutkia signaalin ja kuvan ominaisuuksia laskemalla numeerisesti Fourier-muunnoksen ja spektrin. Arvosana (1/5): vähintään kolme tavoitteista täyttyy.
Sisältö | Ydinaines | Täydentävä tietämys | Erityistietämys |
1. | Bayesin kaava ja sen soveltaminen mittausdatan tulkintaan. | MLP-neuroverkko | |
2. | Tilastollisen mallin parametrien identifiointi MAP-menetelmällä ja parametrien epävarmuus. | ||
3. | Kovarianssifunktiot ja spektrit. | ||
4. | Lineaarisen dynaamisen järjestelmän taajuusvasteen identifointi kohinaisesta mittausdatasta sekä taajuusvasteen luotettavuuden arviointi koherenssin perusteella. |
Tentti. Tietokoneharjoitukset ja laskuharjoitukset/kotitehtävät.
Opintojaksolla käytetään numeerista arviointiasteikkoa (1-5)
Esitietoketju (Vaatii kirjautumisen POPiin)Opintojakso ei vastaan mitään toista opintojaksoa
Tämä opintojakso toteutetaan Jyväskylässä ja siihen voivat osallistua vain Vaativien järjestelmien hallinnan kokonaisuuden opiskelijat (Jyväskylässä toteutettava muuntokoulutus).