Statistische Informationstechnik: Signal- und Mustererkennung, Parameter- und Signalschätzung
Saved in:
| Main Author: | |
|---|---|
| Format: | Electronic eBook |
| Language: | German |
| Published: |
Berlin, Heidelberg
Springer Berlin Heidelberg
2004
|
| Edition: | 4., neu bearbeitete Auflage |
| Subjects: | |
| Online Access: | Volltext |
| Item Description: | Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prüfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und berücksichtigt neuere Entwicklungen in der Technik. Die Studienausgabe gibt einen Überblick über Signalerkennung im Rauschen und Mustererkennung sowie 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 Fuzzy-Logik 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. Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbständigen Lösen zusätzliche Erkenntnisse vermittelt werden. Im Internet werden ausführliche Lösungen der Aufgaben zum Herunterladen angeboten. Geeignet für Studierende höherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik |
| Physical Description: | 1 Online-Ressource (X, 270 S. 130 Abb) |
| ISBN: | 9783662100417 9783540402374 |
| DOI: | 10.1007/978-3-662-10041-7 |
Staff View
MARC
| LEADER | 00000nmm a2200000zc 4500 | ||
|---|---|---|---|
| 001 | BV042435987 | ||
| 003 | DE-604 | ||
| 005 | 00000000000000.0 | ||
| 007 | cr|uuu---uuuuu | ||
| 008 | 150320s2004 |||| o||u| ||||||ger d | ||
| 020 | |a 9783662100417 |c Online |9 978-3-662-10041-7 | ||
| 020 | |a 9783540402374 |c Print |9 978-3-540-40237-4 | ||
| 024 | 7 | |a 10.1007/978-3-662-10041-7 |2 doi | |
| 035 | |a (OCoLC)863913924 | ||
| 035 | |a (DE-599)BVBBV042435987 | ||
| 040 | |a DE-604 |b ger |e aacr | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-91 |a DE-634 |a DE-92 |a DE-573 |a DE-Aug4 |a DE-860 |a DE-1046 |a DE-706 |a DE-703 |a DE-1028 |a DE-83 | ||
| 082 | 0 | |a 621.382 |2 23 | |
| 084 | |a DAT 000 |2 stub | ||
| 084 | |a TEC 000 |2 stub | ||
| 100 | 1 | |a Kroschel, Kristian |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Statistische Informationstechnik |b Signal- und Mustererkennung, Parameter- und Signalschätzung |c von Kristian Kroschel |
| 250 | |a 4., neu bearbeitete Auflage | ||
| 264 | 1 | |a Berlin, Heidelberg |b Springer Berlin Heidelberg |c 2004 | |
| 300 | |a 1 Online-Ressource (X, 270 S. 130 Abb) | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b c |2 rdamedia | ||
| 338 | |b cr |2 rdacarrier | ||
| 500 | |a Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prüfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und berücksichtigt neuere Entwicklungen in der Technik. Die Studienausgabe gibt einen Überblick über Signalerkennung im Rauschen und Mustererkennung sowie 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 Fuzzy-Logik 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. Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbständigen Lösen zusätzliche Erkenntnisse vermittelt werden. Im Internet werden ausführliche Lösungen der Aufgaben zum Herunterladen angeboten. Geeignet für Studierende höherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik | ||
| 650 | 4 | |a Engineering | |
| 650 | 4 | |a Engineering mathematics | |
| 650 | 4 | |a Telecommunication | |
| 650 | 4 | |a Signal, Image and Speech Processing | |
| 650 | 4 | |a Appl.Mathematics/Computational Methods of Engineering | |
| 650 | 4 | |a Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences | |
| 650 | 4 | |a Communications Engineering, Networks | |
| 650 | 4 | |a Ingenieurwissenschaften | |
| 650 | 0 | 7 | |a Statistische Nachrichtentheorie |0 (DE-588)4191729-7 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Statistische Nachrichtentheorie |0 (DE-588)4191729-7 |D s |
| 689 | 0 | |8 1\p |5 DE-604 | |
| 856 | 4 | 0 | |u https://doi.org/10.1007/978-3-662-10041-7 |x Verlag |3 Volltext |
| 912 | |a ZDB-2-STI |a ZDB-2-BAD | ||
| 940 | 1 | |q ZDB-2-STI_Archive | |
| 940 | 1 | |q ZDB-2-STI_2000/2004 | |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-027871317 | ||
| 883 | 1 | |8 1\p |a cgwrk |d 20201028 |q DE-101 |u https://d-nb.info/provenance/plan#cgwrk | |
Record in the Search Index
| _version_ | 1804153123810312192 |
|---|---|
| any_adam_object | |
| author | Kroschel, Kristian |
| author_facet | Kroschel, Kristian |
| author_role | aut |
| author_sort | Kroschel, Kristian |
| author_variant | k k kk |
| building | Verbundindex |
| bvnumber | BV042435987 |
| classification_tum | DAT 000 TEC 000 |
| collection | ZDB-2-STI ZDB-2-BAD |
| ctrlnum | (OCoLC)863913924 (DE-599)BVBBV042435987 |
| dewey-full | 621.382 |
| dewey-hundreds | 600 - Technology (Applied sciences) |
| dewey-ones | 621 - Applied physics |
| dewey-raw | 621.382 |
| dewey-search | 621.382 |
| dewey-sort | 3621.382 |
| dewey-tens | 620 - Engineering and allied operations |
| discipline | Technik Technik Informatik Elektrotechnik / Elektronik / Nachrichtentechnik |
| doi_str_mv | 10.1007/978-3-662-10041-7 |
| edition | 4., neu bearbeitete Auflage |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03263nmm a2200529zc 4500</leader><controlfield tag="001">BV042435987</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">00000000000000.0</controlfield><controlfield tag="007">cr|uuu---uuuuu</controlfield><controlfield tag="008">150320s2004 |||| o||u| ||||||ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783662100417</subfield><subfield code="c">Online</subfield><subfield code="9">978-3-662-10041-7</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783540402374</subfield><subfield code="c">Print</subfield><subfield code="9">978-3-540-40237-4</subfield></datafield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.1007/978-3-662-10041-7</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)863913924</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV042435987</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">aacr</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-1028</subfield><subfield code="a">DE-83</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">621.382</subfield><subfield code="2">23</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 000</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">TEC 000</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Kroschel, Kristian</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Statistische Informationstechnik</subfield><subfield code="b">Signal- und Mustererkennung, Parameter- und Signalschätzung</subfield><subfield code="c">von Kristian Kroschel</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">4., neu bearbeitete Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin, Heidelberg</subfield><subfield code="b">Springer Berlin Heidelberg</subfield><subfield code="c">2004</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (X, 270 S. 130 Abb)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prüfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und berücksichtigt neuere Entwicklungen in der Technik. Die Studienausgabe gibt einen Überblick über Signalerkennung im Rauschen und Mustererkennung sowie 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 Fuzzy-Logik 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. Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbständigen Lösen zusätzliche Erkenntnisse vermittelt werden. Im Internet werden ausführliche Lösungen der Aufgaben zum Herunterladen angeboten. Geeignet für Studierende höherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Engineering</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Engineering mathematics</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Telecommunication</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Signal, Image and Speech Processing</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Appl.Mathematics/Computational Methods of Engineering</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Communications Engineering, Networks</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Ingenieurwissenschaften</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Statistische Nachrichtentheorie</subfield><subfield code="0">(DE-588)4191729-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Statistische Nachrichtentheorie</subfield><subfield code="0">(DE-588)4191729-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="8">1\p</subfield><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doi.org/10.1007/978-3-662-10041-7</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-2-STI</subfield><subfield code="a">ZDB-2-BAD</subfield></datafield><datafield tag="940" ind1="1" ind2=" "><subfield code="q">ZDB-2-STI_Archive</subfield></datafield><datafield tag="940" ind1="1" ind2=" "><subfield code="q">ZDB-2-STI_2000/2004</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-027871317</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">cgwrk</subfield><subfield code="d">20201028</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#cgwrk</subfield></datafield></record></collection> |
| id | DE-604.BV042435987 |
| illustrated | Not Illustrated |
| indexdate | 2024-07-10T01:21:36Z |
| institution | BVB |
| isbn | 9783662100417 9783540402374 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-027871317 |
| oclc_num | 863913924 |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM DE-634 DE-92 DE-573 DE-Aug4 DE-860 DE-1046 DE-706 DE-703 DE-1028 DE-83 |
| owner_facet | DE-91 DE-BY-TUM DE-634 DE-92 DE-573 DE-Aug4 DE-860 DE-1046 DE-706 DE-703 DE-1028 DE-83 |
| physical | 1 Online-Ressource (X, 270 S. 130 Abb) |
| psigel | ZDB-2-STI ZDB-2-BAD ZDB-2-STI_Archive ZDB-2-STI_2000/2004 |
| publishDate | 2004 |
| publishDateSearch | 2004 |
| publishDateSort | 2004 |
| publisher | Springer Berlin Heidelberg |
| record_format | marc |
| spelling | Kroschel, Kristian Verfasser aut Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung von Kristian Kroschel 4., neu bearbeitete Auflage Berlin, Heidelberg Springer Berlin Heidelberg 2004 1 Online-Ressource (X, 270 S. 130 Abb) txt rdacontent c rdamedia cr rdacarrier Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prüfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und berücksichtigt neuere Entwicklungen in der Technik. Die Studienausgabe gibt einen Überblick über Signalerkennung im Rauschen und Mustererkennung sowie 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 Fuzzy-Logik 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. Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbständigen Lösen zusätzliche Erkenntnisse vermittelt werden. Im Internet werden ausführliche Lösungen der Aufgaben zum Herunterladen angeboten. Geeignet für Studierende höherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik Engineering Engineering mathematics Telecommunication Signal, Image and Speech Processing Appl.Mathematics/Computational Methods of Engineering Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences Communications Engineering, Networks Ingenieurwissenschaften Statistische Nachrichtentheorie (DE-588)4191729-7 gnd rswk-swf Statistische Nachrichtentheorie (DE-588)4191729-7 s 1\p DE-604 https://doi.org/10.1007/978-3-662-10041-7 Verlag Volltext 1\p cgwrk 20201028 DE-101 https://d-nb.info/provenance/plan#cgwrk |
| spellingShingle | Kroschel, Kristian Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung Engineering Engineering mathematics Telecommunication Signal, Image and Speech Processing Appl.Mathematics/Computational Methods of Engineering Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences Communications Engineering, Networks Ingenieurwissenschaften Statistische Nachrichtentheorie (DE-588)4191729-7 gnd |
| subject_GND | (DE-588)4191729-7 |
| title | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung |
| title_auth | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung |
| title_exact_search | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung |
| title_full | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung von Kristian Kroschel |
| title_fullStr | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung von Kristian Kroschel |
| title_full_unstemmed | Statistische Informationstechnik Signal- und Mustererkennung, Parameter- und Signalschätzung von Kristian Kroschel |
| title_short | Statistische Informationstechnik |
| title_sort | statistische informationstechnik signal und mustererkennung parameter und signalschatzung |
| title_sub | Signal- und Mustererkennung, Parameter- und Signalschätzung |
| topic | Engineering Engineering mathematics Telecommunication Signal, Image and Speech Processing Appl.Mathematics/Computational Methods of Engineering Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences Communications Engineering, Networks Ingenieurwissenschaften Statistische Nachrichtentheorie (DE-588)4191729-7 gnd |
| topic_facet | Engineering Engineering mathematics Telecommunication Signal, Image and Speech Processing Appl.Mathematics/Computational Methods of Engineering Statistics for Engineering, Physics, Computer Science, Chemistry and Earth Sciences Communications Engineering, Networks Ingenieurwissenschaften Statistische Nachrichtentheorie |
| url | https://doi.org/10.1007/978-3-662-10041-7 |
| work_keys_str_mv | AT kroschelkristian statistischeinformationstechniksignalundmustererkennungparameterundsignalschatzung |