Y-sektionens studienämnd är ansvariga för att informationen på guiden är aktuell. Om du hittar någonting som inte stämmer kan du mejla SNY.
Budgetår
Institution
ISYExaminator
Danyo DanevSchemablock
HalvterminHT1: block 1
Huvudområden
ElektroteknikNivå
A1XTidsfördelning
6,0HPSchemalagd tid: 48 timmar
Självstudietid: 112 timmar
SNY har ordet
Ersätter kursen TSDT16 fr.o.m. 2016. Om du har läst denna kursen lämna gärna en kommentar.Innehåll
- Introduktion till informationsteori och fundamentala begränsningar vid kommunikation över icke-perfekta kanaler
- Moderna kanalkoder: LDPC-koder och "Turbo"-koder
- Optimal avkodning: ML- och MAP-avkodning
- Iterativa avkodningsalgoritmer och analys av deras prestanda
- Bayesiansk inferens och exempel på dess tillämpningar
- Grupperingsalgoritmer
- Exakt marginalisering
- Monte Carlo metoder för simulering av fysiska system
- Introduktion till neurala nätverk; enskilda neuron och exempel på neurala nätverk
- Kapacitet för enskilda neuron
Mål
Efter genomgången kurs förväntas studenten:
- korrekt kunna definiera och förklara följande begrepp: Hammingavstånd, linjär kod, LDPC-kod,Turbo-kod, optimal avkodning, iterativ avkodning, avkodningsområde, kanalkapacitet, täthetsutveckling, Monte Carlo simulering, marginalisering samt neuralt nätverk
- hjälpligt kunna implementera avkodningsalgoritmer för moderna kanalkoder samt rita och analysera prestanda för dessa
- kunna hantera erforderliga matematiska verktyg: stokastiska variabler, Bayesiansk inferens, Monte Carlo metoder, neurala nätverk
- självständigt kunna använda avancerade kanalkodningstekniker i praktiska tillämpningar
- kunna implementera grupperingsalgoritmer för mängder av datapunkter
Examinationsmoment
LAB1 - 2,0 HPLaborationsuppgifter (U, G)
TEN1 - 4,0 HP
Skriftlig tentamen (U, 3, 4, 5)
Organisation
Undervisningen genomförs i form av föreläsningar, räkneövningar och datorlaborationer som huvudsakligen består av programmeringsuppgifter som är kopplade till teorin presenterad på föreläsningar. Programmering i R, C++, Python, Matlab eller liknande språk.
Litteratur
Böcker
David J.C. MacKay, (2003) Information Theory, Inference and Learning AlgorithmsISBN: 0521642981
Cambridge University Press
Relaterade profiler
Datadriven analys och maskinintelligens
DAMI - ISY |
Kommunikation
KOM - ISY |
Rekommenderade förkunskaper
Linjär algebra, sannolikhetslära, matematisk statistik, samt grundläggande kunskaper i programmering. Kunskaper i datastrukturer och algoritmer samt kommunikationssystem är önskvärda men ej ett krav.
Linjär algebra
TATA24 - 8,0 HP - HT1 block 1, HT2 block 4 | HT1 block 4, HT2 block 4 |
Sannolikhetslära
TAMS14 - 4,0 HP - VT1 block 1 | VT2 block 4 |
Statistisk teori, grk
TAMS24 - 4,0 HP - HT1 block 4 |
Kommentarer
Logga in för att kunna läsa och skriva kommentarer. |