Medizinische Ingenieurwissenschaft

Modulhandbuch ab WS 2014/15

Modul CS4220 T

Modulteil: Mustererkennung (MEa)

Dauer:

1 Semester

Angebotsturnus:

Wird nicht mehr angeboten

Leistungspunkte:

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
Bayessche 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

Modulverantwortlicher:

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:

Zulassungsvoraussetzungen zum Modul:
- Keine

Zulassungsvoraussetzungen zur Prüfung:
- Erfolgreiche Bearbeitung der Übungsaufgaben während des Semesters (mind. 50% der erreichbaren Punkte).

Modulprüfung:
- CS4220-L1: Mustererkennung, Klausur, 90 Min, 100% der Modulnote

(Ist Modulteil von CS4510, CS4290)

Ist ersetzt durch CS5260SJ14T Modulteil: Sprach- und Audiosignalverarbeitung.

Letzte Änderung:

28.8.2023