Pattern Recognition II

Die Vorlesung beschäftigt sich mit Grundlagen und Verfahren der Mustererkennung und des Maschinellen Lernens insbesondere aus einer probabilistischen Sichtweise. Folgende Themen werden besprochen: Advanced Neural Networks (u. a. CNN, RBF-Netze) , Gauß’sche Prozesse, Bayessche Netze und Markov Random Fields, Abstrakte Sicht auf Expectation Maximization und Variationale Inferenz, Sampling-Verfahren, kontinuierliche latente Variablen (Principal Component Analysis), Verarbeitung von sequentiellen Daten mit Hidden Markov Modellen, Ensemble-Techniken