Advertisement

© 2011

Statistische Informationstechnik

Signal - und Mustererkennung, Parameter- und Signalschätzung

Benefits

  • Das Buch vereint nötige Breite mit sinnvoller und klarer Akzentuierung

  • Starker Praxisbezug

  • Es werden nur Verfahren mit real messbarerAnwendung beschrieben

Textbook

Table of contents

  1. Front Matter
    Pages 1-10
  2. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 1-11
  3. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 13-25
  4. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 27-62
  5. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 63-141
  6. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 143-224
  7. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 225-253
  8. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 255-278
  9. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 279-317
  10. Kristian Kroschel, Gerhard Rigoll, Björn Schuller
    Pages 319-360
  11. Back Matter
    Pages 366-376

About this book

Introduction

Die 5. Auflage des Klassikers zur Statistischen Informationstechnik erfährt eine substantielle Erweiterung im Bereich des maschinellen Lernens. Sie bietet somit einen ausgezeichneten Überblick über die beiden wichtigen Themen Mustererkennung/Signalverarbeitung und Maschinelles Lernen.

Die Autoren behandeln die Signalerkennung im Rauschen und die Mustererkennung sowie die Parameter- und Signalschätzung. Moderne Verfahren wie Wavelet-Transformation oder Clusterbildung mit unscharfen Partitionen werden berücksichtigt. Neben klassischen Verfahren der Detektion werden neuere, z.B. auf neuronale Netze und kernelbasierten Methoden aufbauende Klassifikatoren diskutiert.

Die Parameterschätzung behandelt neben Bayes- und Maximum-Likelihood-Ansätzen auch adaptive Verfahren. Wiener- und Kalman-Filter sind Beispiele zur Signalschätzung. Die Grundlagen werden durch Anwendungsbeispiele aus der Praxis erläutert.

Geeignet für Studierende und für Ingenieure in der Praxis.

Keywords

Data Mining Informationstechnik Maschinelles Lernen Mustererkennung Parameterschätzung Signaldarstellung Signalerkennung Signalschätzung Signalverarbeitung Statistik

Authors and affiliations

  1. 1., Fakultät für ElektrotechnikKarslruher Institut für TechnologieKarlsruheGermany
  2. 2.LS für Mensch-Maschine-KommunikationTU MünchenMünchenGermany
  3. 3.LS für Mensch-Maschine-KommunikationTU MünchenMünchenGermany

About the authors

Kristian Kroschel studierte an den Universitäten Karlsruhe und Erlangen-Nürnberg Elektrotechnik mit dem Schwerpunkt Nachrichtentechnik. An der Universität Karlsruhe wurde er 1971 zum Dr.-Ing. promoviert. 1974 erfolgte seine Habilitation für das Fach Nachrichtentechnik an der Fakultät für Elektrotechnik und Informationstechnik der Universität Karlsruhe. Bis 2008 lehrte er dort als Professor und ist seitdem am Fraunhofer Institut für Optronik, Systemtechnik und Bildauswertung (IOSB) in Karlsruhe als wissenschaftlicher Berater tätig. Daneben hält er Kurse in der Industrie zu Themen der digitalen Signalverarbeitung und Informationsübertragung, mit denen sich auch seine über 100 Publikationen befassen. Gerhard Rigoll studierte an der Universität Stuttgart Technische Kybernetik und war danach am Fraunhofer-Institut (IAO) in Stuttgart tätig. Er promovierte 1986 im Bereich der automatischen Spracherkennung und schloß seine Habilitation für das Fach Mensch-Maschine-Kommunikation 1991 in Stuttgart ab. Von 1986-88 war er Postdoctoral Fellow am IBM Thomas Watson Research Center in Yorktown Heights/USA und von 1991-93 Gastwissenschaftler bei den NTT Human Interface Laboratories in Tokio/Japan. Danach war er Universitätsprofessor für Technische Informatik in Duisburg und ist seit 2002 Ordinarius für Mensch-Maschine-Kommunikation an der TU München. Er ist Autor und Co-Autor von mehr als 400 Publikationen in allen Bereichen der multimodalen Mensch-Maschine-Kommunikation und Mustererkennung und aktiv als Mitglied, Gutachter und Editor in vielen nationalen und internationalen wissenschaftlichen Gremien und Verbänden. Björn Schuller studierte an der Technischen Universität München Elektrotechnik und Informationstechnik und wurde 2006 in diesem Gebiet promoviert. Aktuell ist er nach gastwissenschaftlichen Aufenthalten am CNRS-LIMSI bei Paris und im Computing Department des Imperial College London zu den Forschungsthemen der intelligenten Sprach- und Bildverarbeitung in den Jahren 2009 und 2010 als Dozent für Audiosignalverarbeitung und Mustererkennung an der TU München im Rahmen seiner Habilitation in Lehre und Forschung tätig. In diesen Bereichen finden sich auch seine über 150 wissenschaftlichen Publikationen sowie Editor- und Gutachtertätigkeiten für über 20 renommierte wissenschaftliche Journale.

Bibliographic information

Industry Sectors
Pharma
Automotive
Biotechnology
Electronics
IT & Software
Telecommunications
Law
Aerospace
Oil, Gas & Geosciences
Engineering