Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

PRÄSENZ im SoSe22: Mustererkennung - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung Langtext
Veranstaltungsnummer 10139 Kurztext FMI-IN0036
Semester SS 2022 SWS 4
Teilnehmer 1. Platzvergabe 60 Max. Teilnehmer 2. Platzvergabe 60
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning Veranstaltung aufzeichnen/streamen  
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch die Dozierenden möglich.

Nach Zulassung ist eine Abmeldung auch durch die Teilnehmenden möglich.

Nach Zulassung ist eine Abmeldung nur durch die Dozierenden möglich.
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mi. 14:00 bis 16:00 w. 13.04.2022 bis
13.07.2022
Fröbelstieg 1 - HS 1 Abb   findet statt 27.04.2022: krankheitsbedingt
13.07.2022: krankheitsbedingt
Einzeltermine anzeigen Do. 14:00 bis 16:00 w. 14.04.2022 bis
14.07.2022
Fröbelstieg 1 - HS 1 Abb   findet statt 28.04.2022: krankheitsbedingt
14.07.2022: krankheitsbedingt
Einzeltermine anzeigen Mo. 15:00 bis 17:00 Einzel-V. 01.08.2022 bis
01.08.2022
Am Steiger 3, Haus IV - Döbereiner HS   findet statt

Klausur

 
Einzeltermine anzeigen Mo. 10:00 bis 12:00 Einzel-V. 10.10.2022 bis
10.10.2022
    findet statt

Wiederholungsprüfung HS3 CZ3

 
Einzeltermine anzeigen Mo. 13:00 bis 15:00 Einzel-V. 01.08.2022 bis
01.08.2022
    fällt aus  
Gruppe 1-Gruppe:



Zugeordnete Person
Zugeordnete Person Zuständigkeit
Bodesheim, Paul , Dr.-Ing. verantwortlich
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Institut für Informatik
Inhalt
Lerninhalte

Inhalte der Vorlesung "Mustererkennung":

  • Diskretisierung (Abtastung, Quantisierung) und Filterung (Lineare Systeme, Fourier-Transformation)
  • Normierung (Amplituden, Grauwertegalisierung) und Merkmalgewinnung (Reihenentwicklungen, Spektralmerkmale, Hauptachsen)
  • Numerische Klassifikatoren (statistische, diskriminative, nicht-parametrische) und Normalverteilungsklassifikatoren (Verteilungsdichte, Prüfgrößen, Schätzverfahren)
  • Künstliche neuronale Netze (Modellneuron, Perzeptron, Netzwerktopologien) und Supportvektormaschinen (Binäre Klassifikatoren, Lernen mit Kernen)
  • Unüberwachtes Lernen (Vektorquantisierung, EM und GMM) und Klassifikatorübergreifendes (ROC/AUC, binär vs. mehrere Klassen, Ensembles, Bootstrapping)
Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SS 2022 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung