THMMY.gr

Μαθήματα Κύκλου Ηλεκτρονικής & Υπολογιστών => Θεωρία Εκτίμησης και Ανίχνευσης => Topic started by: tigriss on March 01, 2021, 19:34:22 pm



Title: [Θεωρία Εκτίμησης και Ανίχνευσης] Να επιλέξω το μάθημα?
Post by: tigriss on March 01, 2021, 19:34:22 pm
γνωμη καποιος για αυτο?


Title: Re: [Θεωρία Εκτίμησης και Ανίχνευσης] Να επιλέξω το μάθημα?
Post by: Patatompataria on March 01, 2021, 20:07:35 pm
Νομίζω πρώτη φορά διδάσκεται το μάθημα. Το κάνει ο Κεχαγιάς.
Κάποιες πληροφορίες έχει βάλει σε αυτό το πδφ στο elearning (https://elearning.auth.gr/pluginfile.php/1790055/mod_resource/content/1/DetEstSyllabus20210215.pdf)

Quote
Ο τελικος βαθμος προκυπτει απο τρεις συνιστωσες:
Παρουσιαση Εργασιας 40%
Σπιτεργασιες 10%
Τελικη Εξεταση 50%
...
Το μαθημα ειναι υψηλης δυσκολιας.
Εξετάσεις, εργασία και σπιτεργασίες γίνονται σε ομάδες των 3.
Ο βαθμός από εργασία και σπιτεργασίες δεν κρατιέται για επόμενο έτος.


Title: Re: [Θεωρία Εκτίμησης και Ανίχνευσης] Να επιλέξω το μάθημα?
Post by: Callmaster on July 01, 2023, 16:08:46 pm
Το μάθημα το πήρα το εαρίνο εξάμηνο του 2023 με διδάσκων τον κ.Πετραντωνάκη.
Ύλη e-learning :
"Θεωρία Ανίχνευσης - Το προβλήμα της εξέτασης υποθέσεων. Ντετερμινιστικοί κανόνες απόφασης, Τυχαιοποιημένοι κανόνες απόφασης. Βέλτιστη εξέταση δυαδικών υποθέσεων κατά Bayes. Το τεστ λόγου πιθανοφάνειας και ισοδύναμα τεστ, Τεστ ελάχιστης πιθανότητας σφάλματος. Βέλτιστο τεστ κατά Neyman-Pearson. Εξέταση πολλαπλών και σύνθετων υποθέσεων κατά Bayes.

Θεωρία Εκτίμησης: Βέλτιστη εκτίμηση κατά Bayes, Εκτιμητής ελάχιστου μέσου τετραγωνικού σφάλματος, Εκτιμητής δεσμευμένου διάμεσου, Εκτιμητής μέγιστης εκ των υστέρων πιθανότητας, Εκτιμητής μέγιστης πιθανοφάνειας. Aμερόληπτος, ασυμπτωτικά αμερόληπτος και συνεπής εκτιμητής. Κάτω φράγμα Cramer-Rao για συνεπείς εκτιμητές.

Εκτίμηση Σήματος: Φίλτρο Wiener. Φίλτρο Kalman."

- Στα πρώτα μισά του εξαμήνου διδάχτηκε η Θεωρία Ανίχνευσης
- Στα δεύτερα μισά του εξαμήνου διδάχτηκε η Θεωρία Εκτίμησης  και δεν δώθηκε ιδιαίτερη βάση στις ασκήσεις για θέματα φίλτρων για την εκτίμηση σήματος.

Βαθμός: 30% από εργασίες + 70% από γραπτές εξετάσεις.
Γραπτές εξετάσεις: Επιλέγεις είτε (70%)τον Σεπτέμβριο εξέταση και στις δύο θεματικές ενότητες της Θεωρίας Ανίχνευσης και Εκτίμησης είτε (35%+35%) εξέταση με mid-term εξέταση(πρόοδο ) + εξέταση του Ιουνίου.
Εργασίες(15%+15%): Έγιναν 2 εργασίες η πρώτη ήταν ένα πρόβλημα βασισμένο στους κανόνες ρίσκου/Bayes/Minimax το οποίο το παρέδιδες σε αναφορά με την βοήθεια math equations word/LaTeX. Η δεύτερη εργασία ήταν η ανάλυση ενός paper από ένα pool θεμάτων σχετικών με το μάθημα σε μια παρουσίαση PowerPoint. Βέβαια οι εργασίες ήταν να γίνουν 3 με 3x10% αναλογία βαθμού σε style λύση προβλήματος και αποστολή αυτού σε αναφορά .pdf. Με διάφορες συνθήκες εκλογών και καταλήψεων πάρθηκε η απόφαση να γίνουν οι εργασίες εν τέλει όπως είπα. Αλλά άφησε να υπονοηθεί ότι θέλει να προσθέσει στις λύσεις προβλημάτων/παρουσίαση θέματος και κάποια εργασία προγραμματισμού python που θα είναι πιο αντιληπτές στον μαθητή οι έννοιες που πραγματευόμαστε στα thresholds αποφάσεων ή στα φίλτρα εκτίμησης σήματος. Βέβαια τυχόν αλλαγή στο πλάνο των εργασιών μπορείτε να τον ρωτήσετε και του χρόνου. 

TLDR: Αρκετά ευχάριστο μάθημα με οικίες μαθηματικές έννοιες βασισμένες σε πιθανότητες και κατανομές και με υλικό διδασκαλίας(.pdf lectures στο elearning/ασκήσεις στο μάθημα), το οποίο ανταποκρινόταν στις εξετάσεις/εργασίες.