Ulteriori informazioni
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.
Info autore
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.
Riassunto
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.
