TU Wien:Statistische Mustererkennung VO (Melzer)
- Statistische Mustererkennung UE (Melzer) (TU Wien, 0 Materialien)
- Statistische Mustererkennung VO (Melzer) (TU Wien, 3 Materialien)
Daten[Bearbeiten | Quelltext bearbeiten]
| Vortragende | Thomas Melzer |
|---|---|
| ECTS | 3,0 |
| Alias | Statistical Pattern Recognition (en) |
| Letzte Abhaltung | 2023W |
| Sprache | Deutsch |
| Mattermost | statistische-mustererkennung • Register • Mattermost-Infos |
| Links | tiss:183425 |
| Masterstudium Biomedical Engineering | Modul Modul: Advances in Medical Physics & Imaging |
| Masterstudium Visual Computing | Modul AI for Visual Computing (Gebundenes Wahlfach) |
Inhalt[Bearbeiten | Quelltext bearbeiten]
- Einführung und Motivation
- Merkmalsextraktion
- Einfache Klassifikatoren: Perceptron, Margin
- Statistische Grundlagen, Parameterschätzung
- Multivariate Statistik: multivariate Normalverteilung, Kovarianzmatrix, Transformation von Zufallsvariablen
- Bayes Theorem
- Loss und Risk
- Regression und Pseudo-Inverse
- Optimale Klassifikation für multivariat normalverteilte Merkmale, Abschätzung der Fehler-Rate, Minimax-Kriterium
- Lineare Merkmalsextraktion: Diagonalisierung, Eigenwertzerlegung, Rayleigh-Quotient, KLT, PCA, LDA
- Dichteschätzung: parametrische (Bayes, ML) und nichtparametrische (Parzen, k-NN) Verfahren
Benötigte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
Eine vorhergehende Statistik-Vorlesung kann hilfreich sein. Auch bereits mit den Basiskonzepten von Mustererkennung (z.b. Einführung in die Mustererkennung VO) bekannt zu sein, kann nicht schaden.
Vortrag[Bearbeiten | Quelltext bearbeiten]
Der Vortrag von Thomas Melzer ist gut, ansprechend und interessant, es fällt meistens leicht, zu folgen. Selten schweift er etwas ab, meistens aber gibt er weiterführende Erklärungen, Herleitungen und Beispiele zu dem in den Folien behandelten Inhalt.
Prüfung[Bearbeiten | Quelltext bearbeiten]
WS20[Bearbeiten | Quelltext bearbeiten]
Prüfung im Online-Format. Die Angabe wurde als PDF in Tuwel hochgeladen. Die Lösung konnte entweder in einem Texteditor oder handschriftlich ausgearbeitet werden. Ingesamt waren 90 Minuten zur Verfügung, wobei hier auch die Identitätsfeststellung und das Hochladen dazuzählen. Die Prüfung is Open Book, alles durfte verwendet werden. Zu Beginn der Prüfung musste man sich via GoTo-Meeting identifizieren, danach durfte man die Kamera und das Mikro ausschalten und an der Lösung arbeiten. Erneut 5 Fragengebiete mit je 3 bis 5 Fragen zu je 3 bis 10 Punkten, 100 Punkte gesamt.
WS09[Bearbeiten | Quelltext bearbeiten]
schriftlich, 5 Fragengebiete mit je 3 bis 4 Fragen zu je 5 bis 10 Punkten, 100 Punkte gesamt. Eigene leere Blätter mitbringen ;-) Fragen siehe Materialien.
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
Wo gibts Mitschriften, Skripten, Folien...[Bearbeiten | Quelltext bearbeiten]
Die (sehr guten) Folien finden sich auf der Webseite der LVA: statistische mustererkennung VO (25.10.2010)
Tipps[Bearbeiten | Quelltext bearbeiten]
Bemerkungen[Bearbeiten | Quelltext bearbeiten]
Persönlich hatte ich mir mehr Methoden der Mustererkennung und weniger statistische Grundlagen erwartet, was aber, im Nachhinein betrachtet, eigentlich aus der Inhaltsangabe im TUWIS hervorgegangen wäre.
Highlights / Lob[Bearbeiten | Quelltext bearbeiten]
noch offen
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
noch offen