TSKS12 · 6 hp · Avancerad nivå (A1N) · Elektroteknik
Modern kanalkodning, inferens och inlärning
Nedlagd
Ingen tentastatistik än
Det finns inget tentatillfälle med minst 5 studenter de senaste tre läsåren. Nya kurser och kurser som bara examineras med projekt saknar ofta statistik.
Ingår i 8 program
- Masterprogram i Data Science and Information Engineering
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i mjukvaruteknik
- Civilingenjörsprogram i teknisk fysik och elektroteknik - internationell
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Masterprogram i datavetenskap
- Masterprogram i matematik
Om kursen
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
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
- Schemalagd tid
- 48 h
- Huvudområde
- Elektroteknik