Videregående signalbehandling (ELE640)
Vi omgir oss med smarte telefoner, klokker og sensorer. Gjennom slikt utstyr har vi samtaler, hører på musikk, ser film, mottar informasjon om verden rundt oss i tillegg til at vi overvåker våre omgivelser og oss selv. Vi trenger avansert signal- og bildebehandling for å kunne tolke og gi mening til data fra sensorer i tillegg til at det er behov for at utstyr skal kunne kommunisere med hverandre på tvers av standarder. Også i helsevesenet er analyse av innsamlet data fra medisinsk utstyr i dag avgjørende for å kunne gi god diagnose og behandling av en rekke sykdommer. Dette emnet bygger på emner som Signalbehandling, Bildebehandling og Maskinlæring. Vi lærer grunnleggende teori, noen nye teknikker og etablerer "byggeklosser", som vi utforsker i konkrete applikasjoner. Vi lærer å trekke egenskaper ut av data som for eksempel kan mates inn i maskinlæringsprogrammer. Vi vil lære å anvende både klassisk maskinlæring og dype nevrale nettverk i undervisning og øvinger.
Dette er emnebeskrivelsen for studieåret 2024-2025. Merk at det kan komme endringer.
Emnekode
ELE640
Versjon
1
Vekting (stp)
10
Semester undervisningsstart
Høst
Antall semestre
1
Vurderingssemester
Høst
Undervisningsspråk
Norsk
Innhold
NB! Dette er et valgemne og dersom det er færre enn 10 studenter oppmeldt pr. 20. august for høstsemesteret, kan dette medføre at emnet ikke tilbys.
Tema som omhandles er: Multirate signalbehandling, wavelets, kvantisering, teknikker og metoder for signal- og bildekompresjon, egenskapsuttrekking fra medisinske signaler og bilder i tid- og frekvensdomene. Vi vil bruke signal- og bildebehandling i konkrete applikasjoner blant annet med eksempler fra biomedisinske problemstillinger. Vi vil anvende både klassisk maskinlæring og dype nevrale nettverk for datakompresjon og lage beslutningssystemer ved hjelp av data fra medisinsk utstyr.
Læringsutbytte
Kunnskap:
Studenten skal lære noe mer avanserte signal- og bildebehandlingsteknikker samt maskin- og dyplæringsteknikker, som bygger videre på ELE500 Signalbehandling, ELE510 Bildebehandling og maskinsyn og ELE50 Maskinlæring.
Studenten skal få kunnskap om signal- og bildebehandlingsverktøy, som multirate signalbehandling, wavelets, kvantisering, teknikker og metoder for signal- og bildekompresjon, egenskapsuttrekking fra medisinske signaler og bilder i tid- og frekvensdomene.
Studenten skal forstå hvordan signal- og bildebehandlingsteknikker kan benyttes i konkrete applikasjoner som kompresjon av bilder og signaler.
Studenten skal også forstå hvordan signal- og bildebehandling kan bli brukt i biomedisinske problemstillinger.
Studenten skal få kjennskap til bruken av metoder fra klassisk maskinlæring og dype nevrale nettverk.
Ferdigheter:
Studenten skal kunne bruke avanserte matematiske og statistiske metoder inkludert maskinlæring og dype nevrale nettverk i analyse og konstruksjon av signalbehandlingssystemer samt evne å bruke programmeringsverktøy for å få til dette (Matlab og/eller Python).
Generell kompetanse:
Etter å ha gjennomført dette emnet skal studenten ha en forståelse for noen videregående signalbehandlingskonsepter, der noen konsepter vil være på mer overordnet nivå og andre mer i detalj. Studenten skal ha en grunnleggende forståelse av anvendelsesmuligheter og evne å benytte metoder på nye anvendelser.
Forkunnskapskrav
Anbefalte forkunnskaper
Eksamen / vurdering
| Vurderingsform | Vekting | Varighet | Karakter | Hjelpemiddel |
|---|---|---|---|---|
| Skriftlig eksamen | 1/1 | 4 Timer | Bokstavkarakterer | Ingen trykte eller håndskrevne hjelpemidler tillatt. Godkjent, enkel kalkulator tillatt |
Vilkår for å gå opp til eksamen/vurdering
Øvinger
7 av 10 øvinger må være godkjent av faglærer innen angitte frister.