[resumido]
1 - Introdução
1.1 - Estrutura de um Sistema de Reconhecimeto de Padrões
1.2 - Classificador
1.3 - Prohecto de Sistemas de Reconhecimento de Padrões
2 - Teoria de Decisão
2.1 - Introdução
2.2 - Modelo das Observações
2.3 - Classificador de Máximo a Posteriori
2.4 - Classificador de Bayes
2.5 - Classificação de Dados com Distribuição Normal
2.6 - Classificação Robusta e com Dúvidas
2.7 - Avaliação
3 - Classificação Supervisionada
3.1 - Introdução
3.2 - Classificação de Bayes Supervisionada
3.3 - Estimação Paramétrica de Distribuições de Probabilidade
3.4 - Estimação de Parâmetros
3.5 - Estimação Não Paramétrica de Distribuições de Probabilidade
3.6 - Método dos K-vizinhos Mais Próximos
3.7 - resultados numéricos
4 - Classificação Não Supervisionada
4.1 - Introdução
4.2 - Formulação do Problema
4.3 - Métodos Paramétricos
4.4 - Métodos Não Paramétricos
4.5 - Métodos de Ligação Simples e de Ligação Completa
5 - Redes Neurais
5.1 - Introdução
5.2 - Modelo de McCulloch e Pitts
5.3 - Perceptrão
5.4 - Perceptrão de Multicamada
5.5 - Redes de Funções de Base Radiais
5.6 - Aprendizagem e Generalização
5.7 - Classificação Supervisionada com Redes Neuronais
5.8 - Mapas de Kohonen
5.9 - Redes Elásticas
6 - Classificação de Sequências
6.1 - Introdução
6.2 - Método de Alinhamento Dinâmico
6.3 - Programação Dinâmica
6.4 - Classificação Byesiana de Sequências
6.5 - Aplicação ao reconhecimento de Objectos
A - Teoria das Probabilidades
B - Medidas de Distorção
C - Algoritmos de Optimização
> Jorge Salvador Marques
Licenciou-se em Engenharia Electrónica (1981), obteve o grau de Mestre em Engenharia Electrónica e de Computadores (1984) e doutorou-se em Engenharia Electrónica (1990) no Instituto Superior Técnico(IST). É actualmente Professor Auxiliar do IST onde tem sido responsável pelas disciplinas de "reconhecimento de Padrões" e de Percepção"
É membro do Instituto de Sistemas e Robótica onde desenvolve a sua actividade de investigação nas áreas de Análise de Imagem e Reconhecimento de Padrões.