Unter dem Begriff des maschinellen Lernens versteht man allgemein die Erzeugung von künstlichem Wissen in einem modellbasierten System. In einer Trainingsphase „lernt“ ein Algorithmus (durch Schätzung von Modellparametern) Gesetzmäßigkeiten in einem Datensatz zu erkennen. Das trainierte System kann anschließend verwendet wurden um verschiedene Eingangsdaten auszuwerten. Ein klassisches Beispiel des maschinellen Lernens ist die automatische Spracherkennung, bei der ein akustisches Modell mit Trainingsdaten trainiert und anschließend zur Erkennung verwendet wird.
In den letzten beiden Jahrzehnten wurden immer häufiger Methoden des maschinellen Lernens auf klassische Signalverarbeitungsprobleme angewandt. Folglich liegt der inhaltliche Schwerpunkt des Seminars auf der Beschreibung grundlegender Konzepte des maschinellen Lernens und deren Anwendung im Bereich der Sprachsignalverarbeitung.

Das Seminar wird als Hauptseminar für das Bachelor- und Masterstudium in den Studienfächern Elektrotechnik, Elektronik und Informationstechnik (EEI), Wirtschaftsingenieurwesen (WING), Informations- und Kommunikationstechnik (IuK), Communications and Multimedia Engineering (CME) und Computational Engineering (CE), sowie verwandten Studienfächern anerkannt.

Das Seminar wird an drei verpflichtenden Terminen als Blockveranstaltung durchgeführt und findet jeweils im Seminarraum 00.071 (Wetterkreuz 15, Erlangen-Tennenlohe) statt:
1. Termin: Einführung und Vergabe der Vortragsthemen.
2. Termin: Die Teilnehmer halten einen kurzen Vortrag über den Stand der Vorbereitungen und erhalten Tipps zur Vortragsgestaltung.
3. Termin: Jeder Teilnehmer hält einen 25-minütigen Vortrag und liefert eine Ausarbeitung im Umfang von 10-15 Seiten über sein Thema ab.

Da das Seminar auch ausländischen Studenten offensteht, werden Besprechungen und Vorträge auf Englisch gehalten. Die Ausarbeitung soll ebenfalls in englischer Sprache verfasst werden.

Ansprechpartner & Anmeldung: Christian Hümmer, E-Mail: huemmer@LNT.de

Title:

Seminar on Selected Topics of Multimedia Communications and Signal Processing

Contents

Topic: Machine Learning for Acoustic Signal Processing
The field of machine learning is concerned with the construction of intelligent systems based on the automatic discovery of regularities in data. In the learning phase, an algorithm “learns” patterns from a set of training data by adapting its model parameters. The pretrained system is subsequently employed to analyze various input data. One prominent example of machine learning research is the task of automatic speech recognition, where the parameters of an acoustical model are estimated in a training phase and subsequently employed to recognize speech signals.

In the last two decades, a variety of approaches have been proposed applying machine learning techniques to classical signal processing tasks. This seminar focuses on the description of fundamental concepts from machine learning theory as well as their application to speech signal processing. This seminar is designed for Bachelor and Master programs in Electrical Engineering, Electronics and Information Technology (EEI), Information and Communication Technology (IuK), Industrial Engineering and Management (WING), Computational Engineering (CE), Communications and Multimedia Engineering (CME), as well as related study programs.

The seminar is organized around three mandatory meetings which take all place in the seminar room 00.071 (Wetterkreuz 15, Erlangen-Tennenlohe):
1^st meeting: An introduction will be given and the individual topics are assigned to the participants.
2^nd meeting: The participants will give a brief presentation about the status of their work and hints for the final presentation are given.
3^rd meeting: Each participant will give a presentation of 25 minutes and submit a report on his/her topic of 10 to 15 pages.

The seminar is open to German as well as foreign students. Therefore, all meetings and presentations will be held in English and the reports are expected to be written in English.

Contact & Registration: Christian Hümmer, E-Mail: huemmer@LNT.de