Exercises: Musterklassifikation, Übung - Details

Exercises: Musterklassifikation, Übung - Details

Close message box
You are not logged into Stud.IP.

General information

Course name Exercises: Musterklassifikation, Übung
Semester SS 2020
Current number of participants 13
Home institute Leitung des Instituts für Informatik
participating institutes Bioinformatik, Leitung des Instituts für Mathematik
Courses type Exercises in category Offizielle Lehrveranstaltungen
First date Friday, 17.04.2020 08:15 - 09:45
Type/Form Übung
Participants - Master Informatik
- Master Bioinformatik
- geeignet für Mathematik
- geeignet für Physik
Learning organisation __Zugehörige Veranstalltungen__:
- [Übung 'Musterklassifikation']https://studip.uni-halle.de/goto.php?id=d61e1e4d08bd83a9048c925462a2aa01
Performance record durch aktive Teilnahme an den Übungen und Lösung der Aufgaben
SWS 2

Topics

-> Findet 10:15 - 11:45 Uhr statt, da Tausch mit Vorlesung, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1587110344718&t=1h5m57s, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1587715634421, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1588925521561, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1589530034929&t=0s, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1590134875498, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1590739820753, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1591344228357, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1591948680223, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1592554389384, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1593158399464, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1593763896704, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1594367869658, https://testip.informatik.uni-halle.de/playback/presentation/2.0/playback.html?meetingId=0b0f63802f9ad7cc0867aa941d6aee10116d4e83-1594972366792

Rooms and times

No room preference
Friday: 08:15 - 09:45, weekly

Module assignments

Comment/Description

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.

Admission settings

The course is part of admission "Zeitgesteuerte Anmeldung: Musterklassifikation, Übung".
The following rules apply for the admission:
  • The enrolment is possible from 01.02.2020, 00:00 to 01.05.2020, 23:59.