Modulbeschreibung

Eine der grossen Stärken des Menschen ist seine Fähigkeit Muster zu erkennen und zu klassifizieren. Die Sensordaten welche
dazu benutzt werden, werden vor allem von den Augen und Ohren des Menschen geliefert. Seit es digitale Computer gibt,
versucht man, diese Fähigkeit auch dem Rechner beizubringen, da sich sehr viele technische Aufgaben, von einem
Zutrittssystem bis zu einem Brandmelder, mit einer geschickten Klassifizierung von Mustern lösen lassen. In diesen technischen
Anwendungen werden die zu klassifizierenden Signale von den verschiedensten Sensoren geliefert, nicht nur Kameras und
Mikrophonen. In diesem Seminar erhalten die Studierenden eine Einführung in die Methoden der modernen digitalen
Mustererkennung, welche in den letzten Jahren grosse Fortschritte gemacht hat. Beim erfolgreichen Abschluss dieses Moduls
wissen die Studierenden unter welchen Umständen diese Methoden anwendbar sind, welche Methode sich für welches
Problem eignet und wie die Methoden funktionieren. Auch die Limitationen der modernen digitalen Mustererkennung und
Klassifizierung werden aufgezeigt.

• Introduction
• Bayesian decision Theory
• maximum-likelihood and Bayesian parameter estimation
• nonparametric techniques
• linear discriminant functions
• multilayer neural Networks
• additional chapters, time permitting