Modul CS4220 T

Dauer

1 Semester

Angebotsturnus

Wird nicht mehr angeboten

Leistungspunkte

4

Studiengang, Fachgebiet und Fachsemester:

• Master Informatik 2019, Modulteil eines Wahlmoduls, Modulteil, Beliebiges Fachsemester
• Master Medizinische Ingenieurwissenschaft 2020, Modulteil eines Wahlmoduls, Informatik/Elektrotechnik, Beliebiges Fachsemester
• Master Entrepreneurship in digitalen Technologien 2020, Modulteil eines Wahlmoduls, Modulteil, Beliebiges Fachsemester
• Master IT-Sicherheit 2019, Modulteil eines Wahlmoduls, Modulteil, 1. oder 2. Fachsemester
• Master Informatik 2014, Modulteil eines Wahlmoduls, Vertiefung, Beliebiges Fachsemester
• Master Entrepreneurship in digitalen Technologien 2014, Modulteil eines Wahlmoduls, Modulteil, Beliebiges Fachsemester
• Master Medizinische Ingenieurwissenschaft 2014, Modulteil eines Wahlmoduls, Informatik/Elektrotechnik, 1. Fachsemester
• Master Informatik 2014, Modulteil eines Pflichtmoduls, Anwendungsfach Robotik und Automation, Beliebiges Fachsemester

Lehrveranstaltungen:

• CS4220-V: Mustererkennung (Vorlesung, 2 SWS)
• CS4220-Ü: Mustererkennung (Übung, 1 SWS)

Workload:

• 20 Stunden Prüfungsvorbereitung
• 45 Stunden Präsenzstudium
• 55 Stunden Selbststudium

Lehrinhalte:

• Grundlagen der Wahrscheinlichkeitstheorie
• Grundlagen der Merkmalsextraktion und Mustererkennung
• Bayes’sche Entscheidungstheorie
• Diskriminanzfunktionen
• Neyman-Pearson-Test
• Receiver Operating Characteristic
• Parametrische und nichtparametrische Dichteschätzung
• kNN-Klassifikator
• Lineare Klassifikatoren
• Support-vector-machines und kernel trick
• Random Forest
• Neuronale Netze
• Merkmalsreduktion und -transformation
• Bewertung von Klassifikatoren durch Kreuzvalidierung
• Ausgewählte Anwendungsszenarien: Akustische Szenenklassifikation für die Steuerung von Hörgeräte-Algorithmen, akustische Ereigniserkennung, Aufmerksamkeitserkennung auf EEG-Basis, Sprecher- und Emotionserkennung

Qualifikationsziele/Kompetenzen:

• Die Studierenden können die Grundlagen von Merkmalsextraktion und Klassifikation erklären.
• Sie können die Grundlagen statistischer Modellierung darstellen.
• Sie können Merkmalsextraktions-, Merkmalsreduktions- und Entscheidungsverfahren in der Praxis anwenden.

Vergabe von Leistungspunkten und Benotung durch:

• Prüfungsform hängt vom übergeordneten Modul ab

Modulverantwortliche:

• Prof. Dr.-Ing. Alfred Mertins

Lehrende:

• Institut für Signalverarbeitung
• Prof. Dr.-Ing. Alfred Mertins

Literatur:

• R. O. Duda, P. E. Hart, D. G. Storck : Pattern Classification New York: Wiley

Sprache:

• Wird nur auf Deutsch angeboten

Bemerkungen:

Letzte Änderungen:

28.08.2023