2 SWS Vorlesung mit 1 SWS Übung.

Ab WS 2014/2015 für:

• Master MIW Wahlpflicht
• Master MI Wahlpflicht
• Master MML Pflicht
• Master Medieninformatik Wahlpflicht
• Master RAS Wahlpflicht
• Modulteil zum Modul Signalanalyse CS4510 für Master MIW, Master Informatik, Master EdT, Master Biophysik, Master IT-Sicherheit
• Modulteil zum Modul Aktuelle Themen der Robotik und Automation CS4290 für Master Informatik im Anwendungsfach Robotik und Automation
• Modulteil zum Modul Fortgeschrittene Signalverarbeitung CS5274-KP08 für Master HAT

Die Vorlesung findet asynchron statt. Die Videos erhalten Sie über folgenden Link: Vorlesung. Zusätzlich findet an den unten genannten Besprechungsterminen ab 12:15 Uhr eine Fragestunde (Infos siehe unten) zum jeweils aktuellen Stoff statt.

Den Zeitplan für die Besprechung der Vorlesungsaufzeichnungen finden Sie im Moodlekurs.

Es findet eine schriftliche Prüfung für Mustererkennung statt, zu der man sich über das QIS anmelden muss.

Wenn die Prüfung in Ihrem Studiengang nicht regulär vorgesehen ist und Sie die Leistung dennoch angerechnet haben möchten, schreiben Sie uns bitte eine E-Mail: iris.kruck@uni-luebeck.de.

Die HAT Studenten schreiben Fortgeschrittene Signalverarbeitung (=AMSAV und Mustererkennung) am 03.08. von 12-15 Uhr im AM S4 bzw. 15.10. von 10-13 Uhr im V1. Anmeldung dafür auch im QIS.

1. Termin Mustererkennung: 03.08.2021, 12-14 Uhr, V1 und V2
Anmelden: 07.06 - 05.07.21
Abmelden: bis 30.07.2021

2. Termin Mustererkennung: 15.10.2021
Anmelden: 07.06. - 30.07.2021
Abmelden: bis 12.10.2021

Für das Großmodul Signalanalyse gibt es eine mündliche Prüfung nach Absprache mit Prof. Mertins.

Zugelassene Hilfsmittel:

• handgeschriebene zweiseitige Formelsammlung (DIN A4)
• Taschenrechner und Zeichenmaterial

Die Übung findet alle 14 Tage statt. Folgende Termine stehen zur Verfügung:

Gruppe 1: Mittwoch, 12:00 - 13:30
Termine: 28.04, 12.05, 26.05, 09.06, 23.06

Raum: https://uni-luebeck.webex.com/meet/svantje.voit

Gruppe 2: Donnerstag, im Anschluss an die Vorlesung
Termine: 29.04, 27.05, 10.06, 24.06

Raum: https://uni-luebeck.webex.com/meet/mathias.eulers

Die Übungen werden online über WebEx gehalten und dienen der Besprechung von Fragen zur Musterlösung, die nach Abgabe der jeweiligen Übungszettel hochgeladen wird.

Einzelheiten zum Ablauf des Übungsbetriebs befinden sich auf dem ersten Übungsblatt oder werden über das Forum angekündigt.

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
Merkmalsreduktion und -transformation
Bewertung von Klassifikatoren durch Kreuzvalidierung

R. O. Duda, P. E. Hart, and D. G. Storck: Pattern Classification - 2nd Ed., New York: Wiley
N. Cristianini and J. Shawe-Taylor: An Introduction to Support Vector Maschines (and other kernel-based learning methods) - Cambridge University Press 2000
C. M. Bishop: Pattern Recognition and Machine Learning – Springer 2009