Gør som tusindvis af andre bogelskere
Tilmeld dig nyhedsbrevet og få gode tilbud og inspiration til din næste læsning.
Ved tilmelding accepterer du vores persondatapolitik.Du kan altid afmelde dig igen.
Ausgehend von den gängigen und bekannten Ein- und Ausgabegeräten gibt das Buch einen Überblick über die heute mögliche Mensch-Maschine-Kommunikation (MMK). Dazu werden der Seh- und der Hörsinn, die momentan wichtigsten Modalitäten für die MMK, vorgestellt. Anschließend werden die Grundlagen der Dialogsysteme, der Wissensrepräsentation und der künstlichen Intelligenz entwickelt (Grammatiken, Zustandsautomaten, Suchverfahren) - unverzichtbare Elemente heutiger Mensch-Maschine-Schnittstellen. Die grundlegenden Algorithmen werden beschrieben, die in der Spracherkennung Verwendung finden (Abstandsklassifikatoren, Hidden-Markov-Modelle). Bei der bildbasierten MMK erfolgt zunächst eine Einführung in die Grundlagen der Bildverarbeitung (Signaldarstellung in zwei Dimensionen, Filterung, morphologische Operationen). Danach werden die Methoden der bildbasierten MMK vorgestellt und algorithmische Lösungen vorgeschlagen: Gesichtsdetektion (z.B. Viola-Jones), Gesichtsidentifikation (z.B. Eigenfaces, Active Appearance Models) und Gesichtsverfolgung (z.B. ConDenSation).Jedes Kapitel enthält Übungen mit ausführlichen Lösungen.
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.
Tilmeld dig nyhedsbrevet og få gode tilbud og inspiration til din næste læsning.
Ved tilmelding accepterer du vores persondatapolitik.