Programa
Estimação e Classificação
Diploma de Estudos Avançados em Estatística e Processos Estocásticos
Programa
1. Introdução. Problemas de estimação em robótica, processamento de imagem, inteligência artificial, multimédia. Inferência aprendizagem. 2. Estimação de parâmetros. O método de mínimos quadrados. Estimação robusta. O método RANSAC. 3. Estimação clássica. O método de máxima verosimilhança. Avaliação de desempenho. O limiar de Crámer-Rao. 4. Inferência Bayesiana. Prios conjugados. Método de MAP e de variância mínima. Estimação da ordem do modelo. 5. Inferência com variáveis não observadas. O método EM. Estimação de modelos múltiplos. 6. Classificação de dados. Funções discriminantes. O classificador de Bayes. Aprendizagem de modelos. Aplicações de Reconhecimento de Padrões. 7. Estimação de processos estocásticos. Modelos dinâmicos estocásticos. Filtragem não linear. Filtro de partículas. Filtro de Kalman. 8. Modelos de Markov não observáveis. Função de verosimilhança. O algoritmo progressive regressivo Estimação da sequência de estado. Algoritmo de Viterbi. Estimação do modelo. 9. Modelos gráficos a redes bayesianas. Grafos orientados acíclicos. Distribuição conjunta. Condições de independência. Métodos de inferência. Método da árvore de junções. Método de monte Carlo. Algoritmo progressivo-regressivo para grafos de factores.