TU Wien:Statistische Mustererkennung VO (Melzer)

From VoWi
Jump to navigation Jump to search
Similarly named LVAs (Resources):

Daten[edit]

Lecturers Thomas Melzer
ECTS 3
Department Forschungsbereich Computer Vision
Language Deutsch
Links tiss:183425, Homepage, Mattermost-Channel
Zuordnungen
Master Visual Computing Wahlmodul Mustererkennung - Vertiefung

Mattermost: Channel "statistische-mustererkennung"RegisterMattermost-Infos

Inhalt[edit]

  • 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[edit]

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[edit]

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[edit]

25.01.2010: 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[edit]

Wo gibts Mitschriften, Skripten, Folien...[edit]

Die (sehr guten) Folien finden sich auf der Webseite der LVA: statistische mustererkennung VO (25.10.2010)

Tipps[edit]

Bemerkungen[edit]

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.

Verbesserungsvorschläge / Kritik[edit]

noch offen