模式识别

基本信息

学分

2.0

课程性质

限选

考核方式

考查

学时分配

理论

24 学时

实验

8 学时

成绩构成

上机实验

40%

期末考试

60%

授课教师

• 胡靓

教材和参考书

• 模式分类（Richard Duda 等 / 机械工业出版社 / 第 2 版 / textbook）
• 模式识别（张学工 / 汪小我 / 清华大学出版社 / 第四版 / textbook）

网络资源

• 《神经网络与深度学习》书籍主页：邱锡鹏 著，机械工业出版社，2019
• 《动手学深度学习：Pytorch 版》书籍主页：第二版
• CS231n: Deep Learning for Computer Vision：非常经典的课程，讲解的内容更加深入、全面、容易理解。
• CS231n 学习笔记：psp_dada 整理的学习笔记

课程内容

模式识别这门学科中，课程框架大致可以划分为两个主要模块。课程的前半段聚焦于传统模式识别算法以及数据降维技术，这些是构建机器学习和数据分析基础的重要组成部分。而后半段则深入探讨神经网络相关话题，这是一个在现代人工智能领域占据核心地位的主题。

关于考试

半开卷，可带一张 A4 纸，可参考 notes 文件夹下的笔记。考试可以携带计算器。

学习建议

本课程重实践，要求同学们具备编程解决模式识别相关问题的能力。因此，本课程考试难度不高（此处有待往届学生补充真实体会），没有考勤（2023 年秋情况），但是实验一定要去（证明你确实掌握了）。

文 / Hye，2024-07

模式识别这门学科中，课程框架大致可以划分为两个主要模块。课程的前半段聚焦于传统模式识别算法以及数据降维技术，这些是构建机器学习和数据分析基础的重要组成部分。而后半段则深入探讨神经网络相关话题，这是一个在现代人工智能领域占据核心地位的主题。

对于前半部分，在实际应用中，直接使用这些经典算法的机会可能较少，因为很多场景下已经被更为先进的技术所取代。因此，我认为了解这部分内容的思想和逻辑即可。

后半部分的神经网络部分个人推荐学有余力的同学去学习 CS231n，这是一门非常经典的课程，讲解的内容更加深入、全面、容易理解。若有需要可以参考我整理的 CS231n 学习笔记。

实验部分建议大家认真完成，不仅是因为实验所占课程的分值比重高，更是因为代码能力是现代大学生必备的技能之一，而实验的内容：通过 pytorch 库搭建神经网络，也是一个很好的毫不过时的练习机会。

文 / psp_dada，2024-12

资源下载