Mustererkennung (Sommersemester 16)

Neuigkeiten

13.06.2016 Die zweite Klausur findet am 01.09.2016 um 8:00 s.t. im M1 statt.
30.05.2016 Eine neue Version von Chapter 8 "Performance Evaluation" wurde ins Learnweb gestellt.
18.05.2016 Am 1.6.2016 findet um 16 Uhr im Raum SRZ 113 eine Einführung in die Stochastik statt.
13.05.2016 Die erste Klausur findet am 27.07.2016 um 12:00 s.t. im M1 statt.
11.05.2016 Eine neue Version von Chapter 6 "Support Vector Machine" wurde ins Learnweb gestellt.
11.04.2016 Programmieraufgabe 1 im Learnweb.
21.03.2016 Ersttermin der Vorlesung: Montag, 11.04.2016, im M6.
21.03.2016 Herzlich willkommen zur Vorlesung. An dieser Stelle werden aktuelle Informationen zur Vorlesung bereitgestellt. Allgemeine Informationen und Materialen zur Vorlesung finden Sie weiter unten auf der Seite.

Kalender

Inhalt

Inhalte dieser Vorlesung sind Konzepte und Algorithmen zur Beschreibung und Interpretation von Mustern. Als Schwerpunkt werden Verfahren der statistischen Mustererkennung behandelt. Zusätzlich dazu sollen auch Verfahren aus der strukturellen Musterkennung vorgestellt werden. Zum Vorlesungsinhalt gehören: Klassifikation mit Distanzfunktionen, lineare und nicht lineare Klassifikation, Bayes Klassifikator, Entscheidungsbäume, Support Vector Machines, neuronale Netze, Hidden Markov Models, Ensemble Methoden, Merkmale, Performance Evaluation, und Clustering. Ferner wird auch auf die neuesten Entwicklungen wie Sparse Representations und Deep Learning eingegangen. Mustererkennung ist eng mit Maschinellem Learnen verwandt. Mithilfe von Lernverfahren werden Modelle anhand von Trainingsdaten gelernt, die zum Klassifikationszweck verwendet werden. Im Fokus der Vorlesung steht die Behandlung der verschiedenen Klassifikationsmodelle und der zugehörigen Lernmethoden.

Materialien

Learnweb Seite mit Vorlesungsfolien, Übungszetteln und weiteren Informationen ist eingerichtet. Bitte meldet euch hier an.

Weitere Informationen

Prüfungsanmeldung

Die Information wird mitgeteilt, sobald der Klausurtermin feststeht.