查詢教學大綱與進度

教學大綱與進度

課程基本資料：

學年期課號課程名稱階段學分時數修教師班級人撤備註

114-1 351956 圖形識別 1 3.0 3 ★ 張陽郎電機所
電資外生所
創新AI學位學程 59 0 電機所、電資學生班和創新AI合開

學年期	課號	課程名稱	階段	學分	時數	修	教師	班級	人	撤	備註
114-1	351956	圖形識別	1	3.0	3	★	張陽郎	電機所電資外生所創新AI學位學程	59	0	電機所、電資學生班和創新AI合開

教學大綱與進度：

教師姓名張陽郎　教師諮商時間(Office Hours)

Email ylchang@ntut.edu.tw

最後更新時間 2025-05-23 13:16:34

課程大綱 The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics. 本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。

課程進度第 1週 W1: Pattern Recognition (PR) Syllabus 第 2週 W2: An introduction to PR and its applications 第 3週 W3: Bayesian Decision Theory (BDT)–Continuous Features 第 4週 W4: BDT–Minimum-Error-Rate Classification 第 5週 W5: BDT–Discrete Features 第 6週 W6: Maximum-Likelihood & Bayesian Parameter Estimation 第 7週 W7: Non-Parametric Classification - Density Estimation 第 8週 W8: Linear Discriminant Functions 第 9週 W9: High Dimensional Data sets (Midterm Exam) 第10週W10: PR of Remote Sensing (Midterm Project Proposal) 第11週W11: PR of Biometric Certification 第12週W12: PR of Video Surveillance 第13週W13: Accuracy Assessment 第14週W14: PR Special Topics in Parallel Computing 第15週W15: PR Special Topics in High Performance Computing 第16週W16: PR Term Project Presentation 第17週W17: PR Term Project Presentation 第18週W18: PR Term Project Presentation (Final Exam)

評量方式與標準作業、考試成績 Homework Assignments and Exams (50%) 專題 Term project (oral presentation and term paper) (50%)

使用教材、參考書目或其他 【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】

使用外文原文書：是
參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons

課程諮詢管道課程諮詢及最新資訊公布: 請申請(經助教認證後)加入FB"北科電研圖形識別-Pattern Recognition" https://www.facebook.com/groups/1468628966800395

課程對應SDGs指標 SDG11：永續城市與社區（Sustainable Cities and Communities）
SDG15：陸域生命（Life on Land）

課程是否導入AI ● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI）
● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）

備註

教師姓名	張陽郎　教師諮商時間(Office Hours)
Email	ylchang@ntut.edu.tw
最後更新時間	2025-05-23 13:16:34
課程大綱	The course includes: Introduction to Pattern Recognition, Bayesian Decision Theory, Maximum-Likelihood & Bayesian Parameter Estimation, Non-Parametric Classification - Density Estimation, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Multi-Classifier - Positive Boolean Function, Linear Discriminant Functions, Pattern Recognition of High Dimensional Data Sets, Pattern Recognition for Remote Sensing Images, Biometric Certification, Video Surveillance, Accuracy Assessments and Other Related Topics. 本課程介紹電腦科學中圖形識別的基本原理與相關技術，使學生了解各種圖形識別的分類方法，經由對分類問題的分析，瞭解如何將輸入樣本依不同特性加以分類，並熟悉圖形識別系統之相關議題如：分割、特徵擷取、分類、後處理、訓練、監督/非監督式學習、機器學習，進而了解分類問題，增進其解決實際圖形識別分類問題的能力。課程內容包括下列課題：圖形識別概論, Bayesian Decision Theory, Maximum-Likelihood, 非參數法學習, K-Nearest Neighbor Estimation, The Nearest-Neighbor Rule, Positive Boolean Function多分類器, Linear Discriminant Functions，高維資料分類, 分類正確率評估(Accuracy Assessments)及其他重要的應用，例如: 文件分析、生物辨識、影像監控、遙測影像分類、醫療診斷、資料探勘等概念，最後並透過相關論文的研讀及討論，了解近代圖形識別的最新發展趨勢。
課程進度	第 1週 W1: Pattern Recognition (PR) Syllabus 第 2週 W2: An introduction to PR and its applications 第 3週 W3: Bayesian Decision Theory (BDT)–Continuous Features 第 4週 W4: BDT–Minimum-Error-Rate Classification 第 5週 W5: BDT–Discrete Features 第 6週 W6: Maximum-Likelihood & Bayesian Parameter Estimation 第 7週 W7: Non-Parametric Classification - Density Estimation 第 8週 W8: Linear Discriminant Functions 第 9週 W9: High Dimensional Data sets (Midterm Exam) 第10週W10: PR of Remote Sensing (Midterm Project Proposal) 第11週W11: PR of Biometric Certification 第12週W12: PR of Video Surveillance 第13週W13: Accuracy Assessment 第14週W14: PR Special Topics in Parallel Computing 第15週W15: PR Special Topics in High Performance Computing 第16週W16: PR Term Project Presentation 第17週W17: PR Term Project Presentation 第18週W18: PR Term Project Presentation (Final Exam)
評量方式與標準	作業、考試成績 Homework Assignments and Exams (50%) 專題 Term project (oral presentation and term paper) (50%)
使用教材、參考書目或其他	【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】使用外文原文書：是參考書 Reference : Pattern Classification by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons
課程諮詢管道	課程諮詢及最新資訊公布: 請申請(經助教認證後)加入FB"北科電研圖形識別-Pattern Recognition" https://www.facebook.com/groups/1468628966800395
課程對應SDGs指標	SDG11：永續城市與社區（Sustainable Cities and Communities） SDG15：陸域生命（Life on Land）
課程是否導入AI	● 簡單介紹AI的基本概念（Briefly introduce the basic concept of AI） ● 深入探討AI的原理與應用（Explore the principles and applications of AI in depth）
備註