Statistische Informationstechnik: Signal - und Mustererkennung, Parameter- und Signalschätzung

ویرایش پنجم کلاسیک فناوری اطلاعات آماری در حال تجربه گسترش قابل توجهی در زمینه یادگیری ماشین است. بنابراین یک نمای کلی عالی از دو موضوع مهم تشخیص الگو/پردازش سیگنال و یادگیری ماشین ارائه می‌دهد.

نویسندگان با تشخیص سیگنال در نویز و تشخیص الگو و همچنین پارامتر و تخمین سیگنال سروکار دارند. روش های مدرن مانند تبدیل موجک یا تشکیل خوشه با پارتیشن های غیر شارپ در نظر گرفته شده است. علاوه بر روش‌های کلاسیک تشخیص، طبقه‌بندی‌کننده‌های جدیدتر، به عنوان مثال بر اساس شبکه‌های عصبی و روش‌های مبتنی بر هسته، مورد بحث قرار می‌گیرند.

علاوه بر رویکردهای بیزی و حداکثر احتمال، تخمین پارامتر با روش‌های تطبیقی ​​نیز سروکار دارد. فیلترهای وینر و کالمن نمونه هایی از تخمین سیگنال هستند. اصول اولیه با مثال های کاربردی توضیح داده شده است.

مناسب برای دانشجویان و مهندسان در عمل.

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.