Politechnika Warszawska - Centralny System Uwierzytelniania
Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Głębokie sieci neuronowe w mediach cyfrowych

Informacje ogólne

Kod przedmiotu: 103A-INIMU-MSP-GSN Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Głębokie sieci neuronowe w mediach cyfrowych
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Analiza multimediów )-Informatyka w multimediach-mgr.-EITI
( Przedmioty techniczne )---EITI
( Przedmioty zaawansowane obowiązkowe )-Techniki bezprzewodowe i multimedialne-mgr.-EITI
( Przedmioty zaawansowane techniczne )--mgr.-EITI
Punkty ECTS i inne: 4.00 LUB 5.00 (w zależności od programu)
zobacz reguły punktacji
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

GSN

Numer wersji:

1

Skrócony opis:

Przedmiot dotyczy teorii i praktyki głębokich sieci neuronowych w kontekście ich aplikacji w mediach cyfrowych.

Wykład obejmuje prezentację: (a) podstawowych jednostek obliczeniowych (w tym jednostek splotowych); (b) mechanizmów łączenia jednostek w bloki (w tym sekwencyjne, rezydualne) i w architektury ( w tym auto-koder, u-net oraz sieć rekurencyjna); (c) elementy stochastycznej gradientowej optymalizacji funkcji kosztu; (d) doboru funkcji kosztu.

Aplikacje omawiane na wykładzie i ilustrowane na zajęciach laboratoryjnych i pogłębiane w ramach projektu, dotyczą następujących obszarów: (a) filtracja sygnałowa , (b) detekcja i rozpoznawanie obiektów w obrazie i dźwięku, (c) automatyczna adnotacja obrazu i dźwięku, (d) modelowanie 3D na potrzeby interfejsu człowiek-maszyna, (e) kompresja obrazu i dźwięku, (f) zanurzanie sygnałowe, oraz (g) bezpieczeństwo danych wspierane przez analizę sygnałową.

Pełny opis:

Projekt ma formę podstawową dla studentów kierunku Informatyki (4ECTS) i zaawansowaną dla studentów kierunku Telekomunikacja (5 ECTS).

Literatura:

Literatura:

  1. Władysław Skarbek: „Symbolic tensor neural networks for digital media -- from tensor processing via BNF graph rules to CREAMS applications” (w pliku syblic-net.pdf)
  2. Władysław Skarbek: „Matematyka multimediów w zadaniach” (w pliku zadania-matmu.pdf)
  3. Władysław Skarbek: „Adaptive Image Recognition -- Updated Notes on: Math, Algorithms, and Programming” (w pliku air-notes-student.pdf)
  4. Umberto Michelucci -- Advanced Applied Deep Learning: Convolutional Neural Networks and Object Detection, Springer APress, 2019 (książka ta jest dostępna bezpłatnie w sieci naszej Politechniki).

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. zimowy" (jeszcze nie rozpoczęty)

Okres: 2021-10-01 - 2022-02-20

Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 32 miejsc więcej informacji
Projekt, 15 godzin, 32 miejsc więcej informacji
Wykład, 30 godzin, 32 miejsc więcej informacji
Koordynatorzy: Władysław Skarbek
Prowadzący grup: Władysław Skarbek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (w trakcie)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 32 miejsc więcej informacji
Projekt, 15 godzin, 32 miejsc więcej informacji
Wykład, 30 godzin, 32 miejsc więcej informacji
Koordynatorzy: Władysław Skarbek
Prowadzący grup: Władysław Skarbek
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103400 - Instytut Radioelektroniki i Technik Multimedialnych

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.