ANALYSIS OF BIOMEDICAL DATA AND SIGNALS

ANALYSIS OF BIOMEDICAL DATA AND SIGNALS

_
iten
Codice
80563
ANNO ACCADEMICO
2019/2020
CFU
9 cfu al 1° anno di 8725 BIOINGEGNERIA (LM-21) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/06
LINGUA
Italiano (Inglese a richiesta)
SEDE
GENOVA (BIOINGEGNERIA )
periodo
1° Semestre
materiale didattico

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Analisi e visualizzazione dei dati. Modelli grafici statici (reti Bayesiane, regressione, analisi fattoriale, teoria della decisione e misture di Gaussiane). Modelli grafici dinamici (hidden markov models, modelli dinamici lineari). Reti neurali. Quantizzazione vettoriale e macchine a supporto vettoriale. Approccio Bayesiano al confronto fra modelli e al test di ipotesi.

Modalità didattiche

Lezioni frontali, esercitazioni guidate in aula

PROGRAMMA/CONTENUTO

  1. Data Analysis and Data visualization (wk 1): Types of data. Analysis as modeling. Statistical data analysis. The do’s and don’t’s of data visualization
  2. Probability density estimates (wk 2-4): Unsupervised learning. Gaussian model. Principal Component Analysis, Factor Analysis, Independent Component Analysis, Cluster analysis and the EM algorithm.
  3. Pattern analysis and decision theory; classifiers (wk 5-6): Bayesian decision theory. Bayes classifiers. Logistic classifiers. Performance of a classifier: ROC curve.
  4. Multilayer neural networks (wk 7): Generalized linear models. Perceptrons. Multilayer neural networks and the backpropagation algorithm. Design of a neural network model
  5. Graphical Models (wk 8-10) Static data. A general framework for data modeling. The EM algorithm. Regression, decision theory, factor analysis as graphical models. Dynamic graphical models (overview): Temporal data (signals). Discrete vs continuous signals. Hidden Markov Models, Linear dynamical systems as dynamic graphical models
  6. Generalization (wk 11-12) : Regularization theory, Vector Quantization. Support Vector Machines

TESTI/BIBLIOGRAFIA

.

DOCENTI E COMMISSIONI

LEZIONI

Modalità didattiche

Lezioni frontali, esercitazioni guidate in aula

ESAMI

Modalità d'esame

Prova scritta (peso 50%)
Project work (singoli o coppie, peso 50%): soluzione di un problema reale di analisi/elaborazione di dati biomedici, scelti fra una lista si progetti proposti; sviluppo del software per calcolo/analisi/elaborazione; rapporto finale con presentazione dei risultati, strutturato come un articolo scientifico