389.111 Graphische Modelle in der Signalverarbeitung und Übertragungstechnik
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2021S, VO, 2.0h, 3.0EC

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VO Vorlesung
  • Format der Abhaltung: Distance Learning

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, Methoden aus den Bereichen probabilistische graphische Modelle und Graphsignalverarbeitung auf praktische Ingenieursprobleme anzuwenden; dies umfasst die Problemformulierung, die analytische oder numerische  Lösung, und die qualitative und quantitative Beschreibung der Leistungsfähigkeit dieser Lösungen.

Inhalt der Lehrveranstaltung

  • Grundlagen der Wahrscheinlichkeits- und Graphentheorie
  • Anwendungen
  • Probabilistische graphische Modelle (Bayes'sche Netze, Markoffsche Zufallsfelder, Faktorgraphen, ...)
  • Methoden und Algorithmen zur Inferenz
    • message passing, belief propagation
    • Variationsansätze 
  • Graphsignalverarbeitung
    • Graph-Fourier-Transformation
    • Graph-Filter
    • Signalrekonstruktion
    • Lernen von Graphen
    • stochastische Graphsignale
    • Clustering

Methoden

Fernlehre in der Form eines "flipped classroom"
* Vorlesungsvideos zu allen Themen stehen auf TUpeerTube zur Verfügung
* vor dem Unterricht: Studierende sehen sich die relevanten Videos und Unterlagen an
* im Unterricht (via Zoom): Diskussion der Inhalte, zusätzliche Beispiele, Fragen & Antworten

Prüfungsmodus

Mündlich

Weitere Informationen

Alle Vorlesungen finden dienstags um 13:30 Uhr über Zoom statt:

https://tuwien.zoom.us/j/96821760760?pwd=WXBWRzY5eWJya215aWQ4aXJELy9uUT09

Meeting ID: 968 2176 0760
Password: ZTkJbe9G

Vorbesprechung: 2. März 2021, 13:30 Uhr

Aufnahmen der Vorlesungen sind auf dem folgenden TUpeerTube-Kanal abrufbar:

https://tube1.it.tuwien.ac.at/video-channels/graphicalmodels/videos

Alle anderen Materialien (Folien, Scans, etc.) werden auf TISS zur Verfügung gestellt.

Vortragende Personen

Institut

Leistungsnachweis

mündliche Prüfung

LVA-Anmeldung

Nicht erforderlich

Curricula

StudienkennzahlSemesterAnm.Bed.Info
710 FW Freie Wahlfächer - Elektrotechnik

Literatur

Ein Vorlesungsskriptum ist vorhanden.

Weitere Literatur:

  • Daphne Koller and Nir Friedman, "Probabilistic Graphical Models", MIT Press 2009
  • Michael Jordan (Ed.), "Learning in Graphical Models", Kluwer 1998
  • Christopher M. Bishop, "Pattern Recognition and Machine Learning", Springer 2006
  • Petar Djuric and Cedric Richard (Eds.), "Cooperative and Graph Signal Processing", Elsevier 2018

Vorkenntnisse

Wahrscheinlichkeitstheorie und Zufallsvariable

Sprache

Englisch