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

Die Autoren behandeln die Signalerkennung im Rauschen, die Mustererkennung sowie die Parameter- und Signalschätzung. Grundlegende Fragen veranschaulichen sie anhand von Anwendungsbeispielen. Berücksichtigt werden moderne Verfahren wie Wavelet-Transformation und neben klassischen Detektionsverfahren auch neuere, beispielsweise Klassifikatoren, die auf neuronale Netze und Fuzzy-Logik aufbauen. Die 5. Auflage wurde im Bereich des maschinellen Lernens substanziell erweitert. Der Band ist geeignet für Studierende wie für Ingenieure in der Praxis.

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.