Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17, 10.01.2017, 07
Author
Editor
Participating institute
Institut für Anthropomatik und Robotik (IAR)
Genre
Description
- 0:00:00 Starten
- 0:00:32 Übersicht
- 0:01:05 Motivation
- 0:03:17 Diskreter Markov Prozess
- 0:05:10 Beispiel: Wetter
- 0:08:54 Markov-Bedingung
- 0:10:44 Hidden Markov Modelle (HMM)
- 0:12:01 Beispiel: Münze werfen
- 0:17:22 Beispiel: Ziehen aus Urnen
- 0:19:34 Definition: Hidden Markov Model (HMM)
- 0:22:03 Die 3 grundlegenden Probleme
- 0:24:03 Bedeutung dieser Probleme
- 0:28:07 P1
- 0:44:05 P2
- 0:55:48 P3
- 1:08:59 Arten von Hidden Markov Modellen
- 1:10:27 Einordnung
- 1:11:30 Anwendungen
- 1:12:35 Beispiel für Klassifikationen von Griffen und Gesten (nicht mit HMM)
- 1:13:40 Dynamische Gesten
- 1:20:28 Ampelerkennung
- 1:24:04 Zusammenfassung
Duration (hh:mm:ss)
01:26:10
Series
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Published on
19.01.2017
Subject area
License
| Resolution | 1280 x 720 Pixel |
| Aspect ratio | 16:9 |
| Audio bitrate | 92579 bps |
| Audio channels | 2 |
| Audio Codec | aac |
| Audio Sample Rate | 48000 Hz |
| Total Bitrate | 898079 bps |
| Color Space | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Media Type | video/mp4 |
| Duration | 5170 s |
| Filename | DIVA-2017-35_hd.mp4 |
| File Size | 4.096 byte |
| Frame Rate | 25 |
| Video Bitrate | 799407 bps |
| Video Codec | h264 |
Embed Code
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Episodes 1-11
of 11
