Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

392119 Musterklassifikation (V) (WiSe 2017/2018)

Einrichtung
Technische Fakultät
Art(en) / SWS
V / 3
Zeitraum
09.10.2017-02.02.2018
Voraussichtl. Wiederholung

Lehrende

Klicken Sie auf den Namen um Kontaktdaten wie die E-Mailadresse zu sehen

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Ort Zeitraum  
wöchentlich Di 8-10 H2 09.10.2017-02.02.2018
nicht am: 10.10.17 / 17.10.17 / 31.10.17
wöchentlich Fr 10-12 D2-136 09.10.2017-02.02.2018
nicht am: 20.10.17 / 27.10.17 / 17.11.17 / 24.11.17 / 01.12.17 / 12.01.18

Klausuren

  • keine gefunden

Fachzuordnungen

Modul (Studienmodell 2011) Veranstaltung Leistungen  
39-Inf-MK Musterklassifikation Musterklassifikation benotete Prüfungsleistung
Studieninformation

Die Angaben in der Tabelle ergeben sich aus der Zuordnung zu einem Modul und der entsprechenden Modulbeschreibung. Bei den angegebenen "Leistungen" können Wahloptionen der Studierenden bestehen; Auskunft hierüber gibt ebenfalls die Modulbeschreibung.

Allgemeine Anforderungen bei Lehrveranstaltungen:

Die Anforderungen an die aktive Teilnahme (nur gültig für Studienmodell 2002) sind hier erläutert. In den FsB und Modulhandbüchern finden sich Informationen, ob Studienleistungen (nur gültig für Studienmodell 2011)/Einzelleistungen/Modul(teil)prüfungen vorgesehen sind, und welche Anforderungen hierfür bestehen.

Inhalt, Kommentar

Mustererkennung gehört zu den Bemühungen der modernen Informationstechnik, Wahrnehmungsleistungen zu automatisieren, wie wir sie sonst von natürlichen Vorbildern kennen. Prominente Anwendungsfelder sind das Erkennen von Schrift, das Verstehen gesprochener Sprache und die Interpretation von Bildern. In verschiedenen Bereichen wie der Ökologie, der Mikrobiologie und der Robotik werden Mustererkennungsverfahren zunehmend zur Analyse von Meßsequenzen eingesetzt.

In der Vorlesung wird die Klassifikation von Mustern detailliert untersucht. Klassifikation bedeutet dabei, daß ein Muster als Gesamtheit einem Begriff, d.h. einer Klasse zugewiesen wird. Als Familien von Klassifikatoren werden wahrscheinlichkeitstheoretische Ansätze wie z.B. der Bayes-Klassifikator oder Mischverteilungsklassifikatoren, der Polynomklassifikator, Hidden-Markov-Modelle sowie das Multilayer-Perzeptron als neuronale Technik behandelt. In der Vorlesung wird neben der Vermittlung der Theorie der verschiedenen Klassifikationsverfahren auch ein Schwerpunkt auf die praktischen Eigenschaften der jeweiligen Techniken gelegt. Grundlagen zum wissenschaftlichen Umgang mit Trainings- und Testdaten werden ebenso vermittelt.

Übungen zur Veranstaltung werden semesterbegleitend angeboten. Die Besprechung findet ca. alle 3 Wochen statt.

Bitte ab September dringend Termin für die Übungen eintragen. Link auf den Doodle Poll wird dann hier erscheinen.

Literaturangaben

H. Niemann: Klassifikation von Mustern, Springer-Verlag, Berlin 1983
K. Fuhanaga: Introduction to Statistical Pattern Recognition. Academic Press, Boston, 2. Auflage, 1990
J. Schürmann: Pattern Classification, John Wiley & Sons, New York, 1996

Lernraum (E-Learning)

Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen:

TeilnehmerInnen
registrierte Anzahl : 67 (1)
Dies ist die Anzahl der Studierenden, die die Veranstaltung im Stundenplan gespeichert haben. In Klammern die Anzahl der über Gastaccounts angemeldeten Benutzer/innen.
Abruf der Liste der Teilnehmer/innen :
Lehrende und ihre Sekretariate können sich die Liste der im eKVV registrierten Teilnehmer/innen über die passwortgeschützen eKVV Seiten abrufen: Meine Veranstaltungen
Falls Sie noch keinen BIS Zugang besitzen oder generelle Hinweise zum Abrufen und zum Umgang mit den Teilnehmerlisten suchen nutzen Sie unsere Hilfeseite
Dort finden Sie auch Informationen dazu, wie Sie aus einer Teilnehmerliste die Ergebnisliste für die Prüfungsdokumentation erstellen und wie Sie diese an die Prüfungsämter übermitteln können.
Automatischer E-Mailverteiler der Veranstaltung
Adresse :
WS2017_392119@ekvv.uni-bielefeld.de
Lehrende, ihre Sekretariate sowie für die Pflege der Veranstaltungsdaten zuständige Personen können über diese Adresse E-Mails an die VeranstaltungsteilnehmerInnen verschicken. WICHTIG: Sie müssen verschickte E-Mails jeweils freischalten. Warten Sie die Freischaltungs-E-Mail ab und folgen Sie den darin enthaltenen Hinweisen.
Falls die Belegnummer mehrfach im Semester verwendet wird können Sie die folgende alternative Verteileradresse nutzen, um die TeilnehmerInnen genau dieser Veranstaltung zu erreichen: VST_104687314@ekvv.uni-bielefeld.de
Reichweite :
66 Studierende direkt per E-Mail erreichbar
Hinweise :
Weitere Hinweise zu den E-Mailverteilern
E-Mailarchiv
Anzahl der Archiveinträge: 1
E-Mailarchiv öffnen
Änderungen/Aktualität der Veranstaltungsdaten
Letzte Änderung Grunddaten/Lehrende :
Donnerstag, 22. Juni 2017 
Letzte Änderung Zeiten :
Dienstag, 26. September 2017 
Letzte Änderung Räume :
Dienstag, 26. September 2017 
Sonstiges
Link auf diese Veranstaltung
Wenn Sie diese Veranstaltungsseite verlinken wollen, so können Sie einen der folgenden Links verwenden. Verwenden Sie nicht den Link, der Ihnen in Ihrem Webbrowser angezeigt wird!
Der folgende Link verwendet die Veranstaltungs-ID und ist immer eindeutig:
https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=104687314
Interwiki Link
Kopieren Sie diesen Link, um im BISWiki auf diese Veranstaltung zu verweisen.
[[ Veranstaltung: 104687314 | WS2017_392119 ]]
Planungshilfen
Terminüberschneidungen für diese Veranstaltung
ID
104687314
Seite zum Handy schicken
Klicken Sie hier, um den QR Code zu zeigen
Scannen Sie den QR-Code: QR-Code vergrößern