Vorlesung Mustererkennung
(Hier finden Sie verbindliche Studienordnungen und Modulhandbücher. )
Inhalt
In der Vorlesung Mustererkennung beschäftigen wir uns mit den Methoden des maschinellen Lernens, wie sie u.a. in der Spracherkennung, der Objekterkennung in Bildern, oder großen Sprachmodellen zum Einsatz kommen. Wir beginnen zunächst mit konventionellen Regressionsverfahren, linearen Klassifikatoren, einfachen statistischen Klassifikatoren und Support Vector Machines. Anschließend steigen wir in die Welt der künstlichen neuronalen Netze ein. Dabei betrachten wir zunächst das einfachste Neuronenmodell - das Perzeptron - und den Perzeptron-Lernalgorithmus. Anschließend beschäftigen wir uns mit mehrschichtigen neuronalen Netzen für das Deep Learning, ihren Varianten und Trainingsverfahren. Schließlich lernen wir noch Verfahren kennen, die besonders für die Verarbeitung von Zeitreihen geeignet sind, insbesondere rekurrente neuronale Netze und die Transformer-Architektur. In der parallelen Vorlesung Signalanalyse werden Verfahren der Merkmalsberechnung behandelt, die von den maschinellen Lernverfahren als Eingabe benötigt werden.
Die Vorlesungssprache kann Englisch oder Deutsch sein und wird in der ersten Vorlesung festgelegt.
Die Vorlesung ist geeignet für
Studiengang | Abschluss | Modulname | Modulnummer |
---|---|---|---|
Informationstechnik | Diplom | Angewandte Intelligente Signalverarbeitung | ET-12 09 13 |
Informationssystemtechnik | Diplom | Angewandte Intelligente Signalverarbeitung | ET-12 09 13 |
Weiterhin geeignet für Studierende anderer technischer Disziplinen.
Empfohlene Kenntnisse: Systemtheorie I und II, Signalverarbeitung