Neural Networks and Pattern Recognition

Die Vorlesung gibt eine Einführung in die statistischen Methoden der Musterklassifikation (statistical pattern recognition) und stellt die Verbindung zu den Konzepten der neuronalen Netze her. In Zusammenhang mit der raschen Ausbreitung der digitalen Signalverarbeitung ergeben sich in zahlreichen Anwendungsbereichen Entscheidungs- und Erkennungsaufgaben, die zweckmäßigerweise mit diesen Methoden angegangen werden.
Folgende Themen, die in einem ausführlichen Skript beschrieben sind, werden im einzelnen behandelt:
- Einführung und Begriffswelt: Merkmale, Klassen, Lernen, Generalisieren
- Statistische Entscheidungstheorie: Bayes Klassifikator, Quadratmittelansatz
- Normalverteilungshypothese: Gebietseinteilung, Parameterschätzung
- Polynomklassifikator: Pseudoinverse, High- Order Neural-Net
- Multilayer Perzeptron: Modell, Error- Backprobagation
- Multi- Referenzen- Klassifikatoren: Nächster- Nachbar Ansatz, Radial- Basis Funktionen
- Clusteranalyse: Kohonen- Feature- Map, Vektorquantisierung
- Praktische Erfahrungen: Zeichenerkennung, Pixelklassifikation

Dozent

Dr.-Ing. Kreßel Ulrich
Raum:
Telefon: +49 (0)731 50 52144
E-Mail | Homepage

Übungsleiter

Dr.-Ing. Kreßel Ulrich
Raum:
Telefon: +49 (0)731 50 52144
E-Mail | Homepage

Termine, Ort

Die Vorlesung findet statt.

Vorlesung: Mittwochs 15:30-17:00
wöchentlich 20.04.2022 - 20.07.2022
in Raum 43 / 43.2.104

Übung: Mittwochs 17:00-18:00
wöchentlich 20.04.2022 - 20.07.2022
in Raum 43 / 43.2.104

The lecture will be held.

First lecture: Wednesday,  15:30-17:00
every week 20.04.2022 - 20.07.2022
in Room 43 / 43.2.104

First lecture: Mittwochs 17:00-18:00
every week 20.04.2022 - 20.07.2022
in Room 43 / 43.2.104