defter / katalog / EEE 539

EEE 539

Detection and Estimation Theory

EEE 539 is the graduate-level framework for making optimal decisions and extracting unknown quantities from noisy observations, the mathematical backbone behind radar, communications receivers, and modern statistical signal processing. You work through Poor's textbook deriving decision rules and estimators under different criteria (Bayesian, minimax, Neyman-Pearson, ML), with four problem sets, a midterm and final, and a project that culminates in Kalman-Bucy filtering. Expect a probability-heavy course that formalizes intuitions from undergraduate signals and statistics, and serves as the prerequisite mindset for research in detection, estimation, and inference-driven EE topics.

Kredi3ECTS5FakülteFaculty of EngineeringBölümElectrical and Electronics EngineeringKoordinatörSinan Gezici

→ STARS müfredatı (resmi syllabus)

Haftalık müfredat 14 hafta

Hafta 114–20 Eyl

Giriş ve Bayesian hypothesis testing

Introduction, Bayesian hypothesis testing (HT)

Bayesian hypothesis testing

Hafta 221–27 Eyl

Bayesian ve minimax hypothesis testing

Bayesian HT, Minimax HT

Bayesian hypothesis testingminimax hypothesis testing

Hafta 328 Eyl – 4 Eki

Neyman-Pearson ve composite hypothesis testing

Neyman-Pearson HT, Composite HT

Neyman-Pearsonhypothesis testingcomposite hypothesis

Hafta 45–11 Eki

Kompozit yapılarda ısı transferi

Composite HT

kompozitheat transfer

Hafta 512–18 Eki

Ayrık zamanda sinyal tespiti

Signal detection in discrete time

signal detectiondiscrete time

Hafta 619–25 Eki

Ayrık zamanda sinyal tespiti

Signal detection in discrete time

signal detectiondiscrete time

Hafta 726 Eki – 1 Kas

İleri düzey detection teknikleri

Advanced detection techniques

detection

Hafta 82–8 Kas

Bayesian parameter estimation

Hafta 99–15 Kas

Non-random parameter estimation

Hafta 1016–22 Kas

Non-random parameter estimation

Hafta 1123–29 Kas

Maximum likelihood estimation yöntemi

Maximum likelihood estimation

maximum likelihoodestimation

Hafta 1230 Kas – 6 Ara

Maximum likelihood estimation yöntemi

Maximum likelihood estimation

maximum likelihoodestimation

Hafta 137–13 Ara

Kalman-Bucy filtering (zaman kalırsa)

Kalman-Bucy filtering (if time)

Kalman-Bucy filtering

Hafta 1414–20 Ara

Proje sunumları (project presentations)

Project Presentations

proje sunumu

Değerlendirme 100% · 4 adım

10%

12%

35%

43%

Homework Homework 10%

Project Project 12%

Midterm:Essay/written Midterm 35%

Final:Essay/written Final 43%

en büyük tek kalem %43 · sınav ağırlığı %78 · 17 dönem ortalaması 3.45 (357 öğrenci) nasıl hesaplanıyor

Önerilen kaynaklar 1 kitap

📕

Zorunlu

An Introduction to Signal Detection and Estimation

H. Vincent Poor

1994/2nd · Springer

Bu dersi alınca · 5 öğrenme çıktısı

Construct a hypothesis testing problem; specify the probability distributions of the observations under each hypothesis; formulate optimal decision rules according to various criteriaHomework, Midterm, Final
Apply the Bayesian, minimax or Neyman-Pearson approaches to design optimal decision rules; assess the Bayes risk, minimax risk, detection probability, and false-alarm probability.Homework, Project, Midterm, Final
Apply detection theory for signal detection in discrete time; design optimal receiver structuresHomework, Project, Midterm, Final
Construct a parameter estimation problem; specify the likelihood function; formulate optimal estimators according to various criteriaHomework, Final
Design Bayesian estimator in presence of prior information; design minimum variance unbiased estimator or maximum likelihood estimation in absence of prior informationHomework, Project, Final

Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.

Ders notları · henüz yok

EEE 539 için defter ekibi henüz not yazmadı.

İlk dosyayı sen atarsan: not, slayt, geçmiş sınav, çözüm, cheat-sheet, ne varsa. defter ekibi öğrenci paylaşımlarından bu dersin notlarını yazar. Drive linki / PDF / ZIP, hepsi olur.

← katalog

Geçmiş GPA dağılımı 17 dönem · ort. 3.45

Dönem	Course CPA
2025-2026 Fall	3.53	1 sec · 28 öğr
2023-2024 Spring	3.33	1 sec · 33 öğr
2022-2023 Spring	3.43	1 sec · 16 öğr
2021-2022 Spring	3.31	1 sec · 12 öğr
2020-2021 Spring	3.44	1 sec · 15 öğr
2019-2020 Fall	3.55	1 sec · 18 öğr
2018-2019 Fall	3.53	1 sec · 19 öğr
2017-2018 Fall	3.52	1 sec · 20 öğr
2016-2017 Fall	3.53	1 sec · 22 öğr
2015-2016 Fall	3.45	1 sec · 25 öğr

Aggregate course GPA · Bilkent STARS'tan public data. Hoca-bazlı per-section detayı için STARS evaluation report →. Öğrenci anket cevapları KVKK kapsamında defter'de tutulmaz. Tüm derslerin ortalamaları →

2026-2027 Güz için şubesi henüz görünmüyor. Kayıt sistemi bu dersi bu dönem listelemiyor, ama şube girişi sürüyor: ders kaydı 15 Eylül, bölümler o güne kadar şube ekleyebiliyor. Son 4 güz döneminin 1 tanesinde açılmış; her yıl açılan bir ders değil. Ön kayıt müfredat üzerinden yapılıyor, açılan şube listesi üzerinden değil; o yüzden ön kayıtta seçebildiğin bir dersin şubesi burada henüz görünmeyebilir. Kesin sonuç ders kaydında belli oluyor. kayıt tarihleri → · açık dersler

⚠️ FZ engelleyen şartlar

Course Learning Outcomes: Course Learning Outcome Assessment Construct a hypothesis testing problem; specify the probability distributions of the observations under each hypothesis; formulate optimal decision rules according to various criteria Homework Midterm Final Apply the Bayesian, minimax or Neyman-Pearson approaches to design optimal decision rules; assess the Bayes risk, minimax risk, detection probability, and false-alarm probability. Homework Project Midterm Final Apply detection theor

Hocalar 0 bu dönem · 1 geçmiş

Geçmişte ders veren (1 kişi)

Sinan Gezici