Ebook: Mustererkennung mit Markov-Modellen: Theorie — Praxis — Anwendungsgebiete

Markov-Modelle dienen zur Lösung verschiedener Mustererkennungsprobleme wie der automatischen Sprach- und Schrifterkennung oder der Analyse biologischer Sequenzen. Der theoretische Rahmen der Modellbildung und die praxisrelevanten Algorithmen werden ausführlich dargestellt. Mit diesem Lehrbuch gelingt sowohl Studierenden der Informatik als auch Entwicklern und Forschern im Bereich Mustererkennung der fundierte Einstieg in Theorie und Praxis.

---

Markov-Modelle dienen zur L?sung verschiedener Mustererkennungsprobleme wie der automatischen Sprach- und Schrifterkennung oder der Analyse biologischer Sequenzen. Der theoretische Rahmen der Modellbildung und die praxisrelevanten Algorithmen werden ausf?hrlich dargestellt. Mit diesem Lehrbuch gelingt sowohl Studierenden der Informatik als auch Entwicklern und Forschern im Bereich Mustererkennung der fundierte Einstieg in Theorie und Praxis.

---

Markov-Modelle dienen zur L?sung verschiedener Mustererkennungsprobleme wie der automatischen Sprach- und Schrifterkennung oder der Analyse biologischer Sequenzen. Der theoretische Rahmen der Modellbildung und die praxisrelevanten Algorithmen werden ausf?hrlich dargestellt. Mit diesem Lehrbuch gelingt sowohl Studierenden der Informatik als auch Entwicklern und Forschern im Bereich Mustererkennung der fundierte Einstieg in Theorie und Praxis.
Content:
Front Matter....Pages N1-11
Einleitung....Pages 13-18
Anwendungen....Pages 19-38
Front Matter....Pages 39-40
Grundlagen der Statistik....Pages 41-52
Vektorquantisierung....Pages 53-66
Hidden-Markov-Modelle....Pages 67-98
n-Gramm-Modelle....Pages 99-116
Front Matter....Pages 117-118
Rechnen mit Wahrscheinlichkeiten....Pages 119-125
Konfiguration von Hidden-Markov-Modellen....Pages 127-136
Robuste Parametersch?tzung....Pages 137-162
Effiziente Modellauswertung....Pages 163-176
Modellanpassung....Pages 177-184
Integrierte Suchverfahren....Pages 185-196
Front Matter....Pages 197-199
Spracherkennung....Pages 200-206
Schrifterkennung....Pages 207-212
Analyse biologischer Sequenzen....Pages 213-215
Back Matter....Pages 216-234

---

Markov-Modelle dienen zur L?sung verschiedener Mustererkennungsprobleme wie der automatischen Sprach- und Schrifterkennung oder der Analyse biologischer Sequenzen. Der theoretische Rahmen der Modellbildung und die praxisrelevanten Algorithmen werden ausf?hrlich dargestellt. Mit diesem Lehrbuch gelingt sowohl Studierenden der Informatik als auch Entwicklern und Forschern im Bereich Mustererkennung der fundierte Einstieg in Theorie und Praxis.
Content:
Front Matter....Pages N1-11
Einleitung....Pages 13-18
Anwendungen....Pages 19-38
Front Matter....Pages 39-40
Grundlagen der Statistik....Pages 41-52
Vektorquantisierung....Pages 53-66
Hidden-Markov-Modelle....Pages 67-98
n-Gramm-Modelle....Pages 99-116
Front Matter....Pages 117-118
Rechnen mit Wahrscheinlichkeiten....Pages 119-125
Konfiguration von Hidden-Markov-Modellen....Pages 127-136
Robuste Parametersch?tzung....Pages 137-162
Effiziente Modellauswertung....Pages 163-176
Modellanpassung....Pages 177-184
Integrierte Suchverfahren....Pages 185-196
Front Matter....Pages 197-199
Spracherkennung....Pages 200-206
Schrifterkennung....Pages 207-212
Analyse biologischer Sequenzen....Pages 213-215
Back Matter....Pages 216-234
....