Homepage MLU Halle-Wittenberg
Aktuelle Seite:
Übung: Musterklassifikation - Übung - Details
 
  Musterklassifikation - Übung
Persönlicher Status:
Decline Sie sind nicht als TeilnehmerIn der Veranstaltung eingetragen.
Berechtigungen:
Blank Lesen: (Beendet)
Blank Schreiben: (Beendet)
  Zeit:
Freitag: 12:00 - 14:00, wöchentlich (ab 19.10.2012), Ort: Seminarraum 1.03 [VSP 1], Seminarraum 0.04 [VSP 1]
Termine am Fr. 15.03. 12:30 - 14:00, Ort: Seminarraum 1.30 [VSP 1]
Semester:
WS 2012/13
  Erster Termin:
Fr., 19.10.2012, 12:00 - 14:00, Ort: Seminarraum 0.04 [VSP 1]
Vorbesprechung:
keine
  Veranstaltungsort:
Seminarraum 1.03 [VSP 1] Fr. 12:00 - 14:00 (13x)
Seminarraum 0.04 [VSP 1] Fr. 12:00 - 14:00 (1x)
Seminarraum 1.30 [VSP 1] Fr. 15.03. 12:30 - 14:00
 
  DozentInnen:
  Veranstaltungstyp:
Übung in der Kategorie Offizielle Lehrveranstaltungen
Art/Form:
Übung
  Kommentar/Beschreibung:
Mustererkennung befasst sich mit mathematisch-technischen Aspekten der Wahrnehmung oder
(A)perzeption, wie wir sie sonst von natürlichen Vorbildern kennen. Prominente Anwendungsfelder sind das
Erkennen von Schrift, das Verstehen gesprochener Sprache und die Interpretation von Bildern. In
verschiedenen Bereichen wie der Ökologie, der Biologie und der Robotik werden Mustererkennungsverfahren
zunehmend zur Analyse von Messdaten eingesetzt.

In der Vorlesung wird die Klassifikation von Mustern
detailliert untersucht. Klassifikation bedeutet dabei, dass ein Muster - Sensordaten physikalischer Größen
eines Ausschnittes der Umwelt - als Gesamtheit einem Begriff, d. h. einer Klasse, zugewiesen wird. Nach der
Klärung von Begriffen und Einführung in Anwendungen wird kurz auf die Vorverarbeitung von Mustern und
die Gewinnung von geeigneten Merkmalen solcher Muster eingegangen. Dann werden verschiedene Klassen
von Klassifikatoren behandelt: wahrscheinlichkeitstheoretische Ansätze (Bayes-Klassifikator, Bayes-Netze,
Markov-Random-Fields, Hidden Markov Models), der Polynomklassifikator, die support vector machine sowie das Multilayer-Perzeptron
als Methode aus dem Bereich der künstlichen neuronalen Netze.
  Teilnehmende:
- Master Informatik
- Master Bioinformatik
- geeignet für Mathematik
- geeignet für Physik
  Lernorganisation:
__Zugehörige Veranstalltungen__:
- [Übung 'Musterklassifikation']https://studip.uni-halle.de/goto.php?id=d61e1e4d08bd83a9048c925462a2aa01
  Leistungsnachweis:
durch aktive Teilnahme an den Übungen und Lösung der Aufgaben
  SWS:
2
  Studienbereich:
Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik > Informatik > Institut für Informatik > Themen > Mustererkennung  
  Heimat-Einrichtung:
Leitung des Instituts für Informatik
Beteiligte Einrichtungen:
  Anmeldeverfahren:
Das Teilnahmeverfahren für diese Veranstaltung wurde am 31.07.2013 um 23:59 beendet.
  Anzahl der Teilnehmenden: 13
DozentInnen: 3
TutorInnen: keine
Sonstige: 10
Forenbeiträge: 12 Dokumente: keine