PI5012 Mustererkennung

Modulverantwortliche
  • Prof. Dr. Klaus Rinn
Lehrende
  • Prof. Dr. Klaus Rinn
Notwendige Voraussetzungen zur Teilnahme

Keine

Kurzbeschreibung

Hough-Transformationen und RANSAC, statistische Entscheidungstheorie, Klassifikatoren und Lernstrategien, Support-Vector-Machines, neuronale Netze (Deep Learning), Sequenzanalyse.

Inhalte
  • Motivation und Anwendungen, Houghtransformationen und Ransac
  • Vertiefung der statistische Entscheidungstheorie:
  • Klassifikatoren, Lernstrategien
  • Support-Vector-Machines
  • Sequenzanalyse
  • Mustererkennung mit Neuronalen Netzen, Deep Learning, tiefe Netze
Qualifikations- und Lernziele

Die Teilnehmenden haben vertiefte Kenntnisse von fortgeschrittenen Algorithmen zur Mustererkennung und deren theoretischen Grundlagen. Sie verstehen die theoretischen Grundlagen und können zur Anwendung passende Algorithmen auswählen und adaptieren. Der Schwerpunkt liegt auf Mustererkennung in Bildern.

ECTS-Leistungspunkte (CrP)
  • 6 CrP
  • Arbeitsaufwand 180 Std.
  • Präsenzzeit 60 Std.
  • Selbststudium 120 Std.
Lehr- und Lernformen
  • 4 SWS
  • Seminaristischer Unterricht 4 SWS
Studiensemester
  • Informatik (M.Sc. 2010)
  • Ingenieur-Informatik (M.Sc. 2017)
Dauer
1 Semester
Häufigkeit des Angebots
Einmal im Jahr
Unterrichtssprache
Deutsch
Bonuspunkte

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsleistungen

Prüfungsvorleistung: 2 anerkannte Hausübungen Prüfungsleistung: Klausur

Benotung
Die Bewertung des Moduls erfolgt gemäß § 9 der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung).
Verwendbarkeit
Gemäß § 5 der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung) Verwendbarkeit in allen Masterstudiengänge der THM möglich.
Literatur, Medien
  • Vorlesungsfolien
  • Duda, Hart, Stock: Pattern Classification, Wiley
  • Niemann: Pattern Analysis and Understanding, Springer
  • Abe: Support Vector Machines for Pattern Classification, Springer
  • Scheerer: Neuronale Netze, Vieweg+Teubner Verlag
  • Zum aktuellen Entwicklungen: Wissenschaftliche Papers und diverse Internetquellen

Rechtliche Hinweise