Handwriting Recognition

Uitgebreide vaknaam	Handwriting Recognition
Leerdoelen	Verschaffen van inzicht in de problemen die zich voordoen bij de herkenning van (hand)schrift in de vorm van karakters en woorden, op het niveau van de sensor-data (pixels, vectoren), de patroonclassificatie en de natuurlijke taal.
Omschrijving	Behandeld worden: voorbewerking, normalisatie, segmentatie, classificatie en nabewerking. De student maakt kennis met een aantal basismethoden patroonclassificatie (hidden-Markov-models, neurale netwerken, en de support-vector classifier). Tevens wordt praktische ervaring opgedaan met het bedenken en berekenen van geometrische kenmerken die als basis dienen voor de patroonclassificatie. Na een introductie in werkcolleges volgt de practicumopdracht. De opdracht wordt alleen of in groepjes (max. 2 pers.) gemaakt. Omdat er wordt uitgegaan van gezamenlijke ‘benchmark’ data waarop de classificatoren worden getraind en getest kan er een zeker competitie-element aanwezig zijn. Te leveren prestaties, elk element draagt bij tot het eindcijfer: Deelopdrachten (onderdeel van de eindopdracht); Eindopdracht (programmeerwerk); Presentatie; Engels practicumverslag (± 10 pag.), met de structuur van een wetenschappelijke publicatie (Introduction, Methods, Results, Discussion, References).
Uren per week
Onderwijsvorm	Hoorcollege (LC), Practisch werk (PRC)
Toetsvorm	Practisch werk (PR), Presentatie (P), Verslag (R) (Zie opmerkingen)
Vaksoort	master
Coördinator	prof. dr. L.R.B. Schomaker
Docent(en)	M.A. Dhali, MSc. ,prof. dr. L.R.B. Schomaker
Verplichte literatuur	Titel Auteur ISBN Prijs Machine Learning, Singapore: McGraw- Hill (Recommended) T.M. Mitchell (1997) 0-07-115467-1 Articles, lecture slides (provided during the course) Pattern Classification (2001, 2nd Edition) New York: Wiley (Recommended). R.O. Duda, P.E. Hart & D.G. Stork 0-471-05669-3
Entreevoorwaarden	Please note that the student is expected to have a relevant BSc degree. Strongly advised: Signals and Systems (WBAI016-05) or a comparable course unit on signal processing. Advised: AI 1, programming skills (Java, C, C++). Knowledge of machine learning, neural networks and signal analysis as well as familiarity with Linux.
Opmerkingen	Assessment: English practical report (approx. 10 pages) with the structure of a scientific publication, i.e. Introduction, Methods, Results, Discussion, References. Groups may share the Methods and Results parts, but the Introduction and Discussion must be written individually. The reports, including at least the first two sections, must be handed in three weeks before the end of the module for correction. Last session: the final version of the complete report must be handed in and the results will be presented. Details: the module requires homework and/or use of the computer rooms during the hours reserved for this module. This module may be given in English.
Opgenomen in	Opleiding Jaar Periode Type MSc Artificial Intelligence  (C - Elective Course Units) - semester II b keuze MSc Artificial Intelligence  (B - Mandatory Course Units Computational Intelligence) - semester II b verplicht CI MSc Computational Cognitive Science  (C - Elective Course Units) - semester II b keuze MSc Computing Science: Intelligent Systems and Visual Computing  (Guided choice course units) - semester II b keuze MSc Courses for Exchange Students: AI - Computing Science - Mathematics - semester II b