Technische Universität Ilmenau

Fundamental of the pattern and signal recognition - Modultafeln of TU Ilmenau

The Modultafeln have a pure informational character. The legally binding information can be found in the corresponding Studienplan and Modulhandbuch, which are served on the pages of the course offers. Please also pay attention to this legal advice (german only). Information on place and time of the actual lectures is served in the Vorlesungsverzeichnis.

subject properties subject number 100266 - common information
subject number100266
departmentDepartment of Electrical Engineering and Information Technology
ID of group2116 (Group for Fundamentals of Electrical Engineering)
subject leader Dr. Sylvia Bräunig
languageDeutsch
term Sommersemester
previous knowledge and experience
learning outcome

Die Studierenden kennen die wesentlichen Grundlagen, Theorien und Methoden der Signalanalyse, Mustererkennung und des Maschinellen Lernens sowohl für determinierte als auch für stochastische Signale und Prozesse. Sie sind mit, bei der praktischen Umsetzung auftretenden Fragen und Problemen, der Merkmalsextraktion, der Clusterbildung, der Klassifikation und der Optimierung des Klassifikationssystems vertraut und in der Lage, die vermittelten Methoden und Erkenntnisse auf praxisrelevante Aufgabenstellungen anzuwenden.

content

- Prinzipien, Begriffe und Beispiele der Signalanalyse, der Mustererkennung und des Maschinellen Lernens

- Grundlagen der Wahrscheinlichkeitstheorie (Wiederholung)

- Grundlagen und Methoden zu Kennfunktionen, Kennwerten (Merkmalen) und Kennwertextraktion

  • Bestimmung von Kennfunktionen und Kennwerten mittels Orthogonaltransformationen,
  • Zeit-Frequenz-Repräsentationen und
  • wahrscheinlichkeitstheoretischer Ansätze.

- Methoden des Machinellen Lernens zur Klassifikation und Trendanalyse/Prozessüberwachung (unüberwachte und überwachte Verfahren):

  • Grundbegriffe, statistische Klassifikatoren (Bayes), geometrische Klassifikatoren (NNK, MSK), Diskriminanzanalyse, Support Vector Machine
  • Einbeziehung von Kosten/Verlusten, Rückweisung und verschiedenen Distanzmaßen
  • Neuronale Netze (Grundlagen, Historisches, Kohonen-Feature-Map, Backpropagation-Netz, Convolutional Neural Network u.a.)
  • Fuzzy-Theorie (Grundbegriffe, Fuzzy-Mengen, Relationen, Approximatives Schließen, Anwendungen in der Mustererkennung)

- Klassifikatorbewertung und Optimierung von Mustererkennungssystemen (Merkmalsreduktion und –transformation, Dimensionsreduktion, z.B. PCA)

- Anwendungsbeispiele aus den Bereichen aktueller Forschungthemen, z.B. akustische Daten- und Prozessanalyse, Sprachverarbeitung, Bildverarbeitung, Werkstoffprüfung werden herangezogen

media of instruction

Handschriftliche Entwicklung der analytischen Zusammenhänge untersetzt mit Abbildung und Animationen (PowerPoint) und

Simulationen (interaktive Mathematica-Dokumente)

literature / references

Arbeitsblätter, multimediale Präsentation, Mathematica-Notebooks

Duda, R.; u.a. : Pattern Classification, Wiley

Theodoridis, S.; u.a.: Pattern Recognition, Elsevier

Niemann, Heinrich: Klassifikation von Mustern, Springer

evaluation of teaching

Pflichtevaluation:

SS 2016 (Fach)

Freiwillige Evaluation:

 

Hospitation:

Details in major Bachelor Elektrotechnik und Informationstechnik 2013
subject nameFundamental of the pattern and signal recognition
examination number2100414
credit points5
on-campus program (h)45
self-study (h)105
Obligationobligatory
examoral examination performance, 45 minutes
details of the certificate

mündliche Prüfung (45 Minuten)

maximum number of participants
Details in major Bachelor Informatik 2013
subject nameFundamental of the pattern and signal recognition
examination number2100414
credit points5
on-campus program (h)45
self-study (h)105
Obligationobligatory elective
examoral examination performance, 45 minutes
details of the certificate

mündliche Prüfung (45 Minuten)

maximum number of participants