|
-
Modulverantwortliche/r: Stefan Steidl
Lehrende:
Stefan Steidl
Startsemester: |
WS 2011/2012 | Dauer: |
1 Semester |
Präsenzzeit: |
80 Std. | Eigenstudium: |
145 Std. |
Lehrveranstaltungen:
Empfohlene Voraussetzungen:
Inhalt:
- Bayesian classifier
Logistic Regression
Naive Bayes classifier
Discriminant Analysis
Norms and norm dependent linear regression
Rosenblatt's Perceptron
Optimization
Support Vector Machines
Kernel methods
Expectation Maximization Algorithm
Independent Component Analysis
Model Assessment
AdaBoost
Lernziele und Kompetenzen:
Die Studierenden
lernen MATLAB-Programmierung
verstehen die Struktur von Systemen zur Klassifikation einfacher Muster
entwickeln ein Verständnis für das Design von Klassifikatoren
Literatur:
- Richard O. Duda, Peter E. Hart, David G. Stock: Pattern Classification, 2nd edition, John Wiley&Sons, New York, 2001
Trevor Hastie, Robert Tobshirani, Jerome Friedman: The Elements of Statistical Learning - Data Mining, Inference, and Prediction, 2nd edition, Springer, New York, 2009
Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer, New York, 2006
Weitere Informationen:
Schlüsselwörter: Mustererkennung, Klassifikation
www: http://www5.informatik.uni-erlangen.de/lectures/ws-1112/pattern-recognition-pr/
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
- Informatik (Master of Science)
(Po-Vers. 2010 | Wahlpflichtbereich | Säule der theoretisch orientierten Vertiefungsrichtungen | Vertiefungsmodul Theoretische Informatik)
Studien-/Prüfungsleistungen:
Pattern Recognition (Lecture + Exercises)
- mündliche Prüfung, Dauer (in Minuten): 30, benotet
- weitere Erläuterungen:
30-minütige mündliche Prüfung über den Stoff der Vorlesung und der Übungen
- Erstablegung: WS 2011/2012, 1. Wdh.: SS 2012, 2. Wdh.: keine Wiederholung
1. Prüfer: | Joachim Hornegger |
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|