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

Zustandsschätzung und Aktionsauswahl - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 19120 Kurztext FMI-IN0084
Semester WS 2017 SWS 4
Teilnehmer 1. Platzvergabe 10 Max. Teilnehmer 2. Platzvergabe 10
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform Moodle  
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.

Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.

Nach Zulassung ist eine Abmeldung nur durch den Dozenten 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 Mo. 10:00 bis 12:00 w. 16.10.2017 bis
09.02.2018
Carl-Zeiß-Straße 3 - SR 227   findet statt  
Einzeltermine anzeigen Do. 14:00 bis 16:00 w. 19.10.2017 bis
09.02.2018
August-Bebel-Straße 4 - SR 121   findet statt  
Gruppe 1-Gruppe:



Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Denzler, Joachim, Universitätsprofessor, Dr.-Ing. verantwortlich
Korsch, Dimitri , M.Sc. begleitend
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Inhalt
Kommentar

Menschliches Sehen und motorische Aktionen bilden eine geschlossene Schleife aus Perzeption und Aktion, die enorm effizient und leistungsfähig ist und deren Simulation und mathemtische Modellierung für zahlreiche Anwendungen, zum Beispiel in der Servicerobotik, eine wichtige Rolle spielt.

Diese Vorlesung behandelt zwei wichtige Aspekte der maschinellen Sensordatenverarbeitung: die Schätzung des Zustands aus der (gestörten) Beobachtung von Sensordatenfolgen sowie die optimale Aktionsauswahl aufgrund der (fehlerbehafteten) Schätzung über den Zustand.
Im ersten Teil werden klassische Verfahren zur Zustandsschätzung von detereministischen sowie von stochastischen Systemen, das Kalman-Filiter und Ansätze aus dem Bereich der Partikel Filter vorgestellt.
Der zweite Teil der Vorlesung beschäftigt sich mit Methoden, die Sensordatenaufnahme durch Aktionen gezielt zu beeinflussen. Ausgehend von Markov- Modellen und partiell beobachtbaren Markov-Modellen werden Verfahren aus dem Bereich des Reinforcement Learning vorgestellt sowie ein informationstheoretisches Vorgehen zur Aktionsauswahl basierend auf dem MMI-Prinzip.
Im dritten Teil schließt die Vorlesung mit Verfahren zur Sensordatenfusion und einigen Beispielanwendungen.

Grundlage der Vorlesung ist das Buch [Den03], das als Textbuch dringend empfohlen wird. Weiter ergänzende Literatur ist [SB98, BSF88, Gel79]. Die Folien der Vorlesung werden ergänzend als Skript zur Verfügung gestellt.

Literatur

[BSF88] Y. Bar-Shalom and T.E. Fortmann. Tracking and Data Association. Academic Press, Boston, San Diego, New York, 1988.

[Den03] J. Denzler. Probabilistische Zustandsschätzung und Aktionsauswahl im Rechnersehen. Logos Verlag, Berlin, 2003.

[Gel79] A. Gelb, editor. Applied Optimal Estimation. The MIT Press, Cambridge, Massachusetts, 1979.

[SB98] R.S. Sutton and A.G. Barto. Reinforcement Learning. A Bradford Book, Cambridge, London, 1998

Bemerkung

Einschreibung per CAJ und Moodle ist notwendig.  

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2017 , Aktuelles Semester: WiSe 2019/20

Impressum