Lehrinhalte
Eine Reihe von drei Vorlesungen liefert das notwendige Hintergrundwissen über robuste Signalverarbeitung und maschinelles lernen:
1. Grundlagen der robusten Signalverarbeitung 2. Robuste regression und robuste Filter für Artefaktentfernung 3. Robuste Schätzung des Mittelwerts und der Kovarianzmatrix, sowie Clusteranalyse und Klassifizierung.
Es folgen zwei Vorlesungen über ausgewählte biomedizinische Themen, wie zum Beispiel
? Body-worn sensing von Vitalparametern ? Optische Herzratenschätzung (PPG) ? Signalverarbeitung für das Elektrocardiogram (ECG) ? Biomedizinische Bildverarbeitung
Studierende arbeiten dann in Gruppen, um robuste Siganlverarbeitung in echten biomedizischen Problemstellungen anzuwenden. Abhängig von der jeweiligen Anwendung, warden die Daten entweder von den Studierenden aufgenommen, oder sie werden zur Verfügung gestellt. Die Ergebnisse der Gruppen werden im Rahmen eines 20-minütigen Vortrags vorgestellt. Die Gesamtnote ergibt sich aus der Präsentation und einer mündlichen Prüfung.
Literatur
? Folien können via Moodle heruntergeladen werden.
Vertiefende Literatur: ? Zoubir, A. M. and Koivunen, V. and Ollila, E. and Muma, M.: Robust Statistics for Signal Processing. Cambridge University Press, 2018. ? Zoubir, A. M. and Koivunen, V. and Chackchoukh J, and Muma, M. Robust Estimation in Signal Processing: A Tutorial-Style Treatment of Fundamental Concepts. IEEE Signal Proc. Mag. Vol. 29, No. 4, 2012, pp. 61-80. ? Huber, P. J. and Ronchetti, E. M.: Robust Statistics. Wiley Series in Probability and Statistics, 2009. ? Maronna, R. A. and Martin, R. D. and Yohai, V. J.: Robust Statistics: Theory and Methods. Wiley Series in Probability and Statistics, 2006.
Voraussetzungen
Grundlegende Kenntnisse der statistischen Signalverarbeitung
Eine Reihe von drei Vorlesungen liefert das notwendige Hintergrundwissen über robuste Signalverarbeitung und maschinelles lernen:
1. Grundlagen der robusten Signalverarbeitung 2. Robuste regression und robuste Filter für Artefaktentfernung 3. Robuste Schätzung des Mittelwerts und der Kovarianzmatrix, sowie Clusteranalyse und Klassifizierung.
Es folgen zwei Vorlesungen über ausgewählte biomedizinische Themen, wie zum Beispiel
? Body-worn sensing von Vitalparametern ? Optische Herzratenschätzung (PPG) ? Signalverarbeitung für das Elektrocardiogram (ECG) ? Biomedizinische Bildverarbeitung
Studierende arbeiten dann in Gruppen, um robuste Siganlverarbeitung in echten biomedizischen Problemstellungen anzuwenden. Abhängig von der jeweiligen Anwendung, warden die Daten entweder von den Studierenden aufgenommen, oder sie werden zur Verfügung gestellt. Die Ergebnisse der Gruppen werden im Rahmen eines 20-minütigen Vortrags vorgestellt. Die Gesamtnote ergibt sich aus der Präsentation und einer mündlichen Prüfung.
Literatur
? Folien können via Moodle heruntergeladen werden.
Vertiefende Literatur: ? Zoubir, A. M. and Koivunen, V. and Ollila, E. and Muma, M.: Robust Statistics for Signal Processing. Cambridge University Press, 2018. ? Zoubir, A. M. and Koivunen, V. and Chackchoukh J, and Muma, M. Robust Estimation in Signal Processing: A Tutorial-Style Treatment of Fundamental Concepts. IEEE Signal Proc. Mag. Vol. 29, No. 4, 2012, pp. 61-80. ? Huber, P. J. and Ronchetti, E. M.: Robust Statistics. Wiley Series in Probability and Statistics, 2009. ? Maronna, R. A. and Martin, R. D. and Yohai, V. J.: Robust Statistics: Theory and Methods. Wiley Series in Probability and Statistics, 2006.
Voraussetzungen
Grundlegende Kenntnisse der statistischen Signalverarbeitung
- Lehrende: Jasin Machkour
- Lehrende: Michael Muma
Semester: WiSe 2021/22