==== Pattern Recognition, Sprachverstehen ====
**Prüfer**: Elli Angelopoulou, Elmar Nöth

=== PR ===
  * Überraschung: Big Picture (Training: supervised vs. unsupervised learning)
  * Histogram Equalization (warum? was ist das Ziel?)
  * Feature Extraction: zwei Prinzipien? allgemeine Transformationsformel (--> Φ)
  * Walsh-Transformation (Prinzip, Implementierung mit Hadamard-Matrizen)
  * PCA (was ist das? wie bekomme ich die Basisvektoren?)
  * Bayes-Klassifikator hinschreiben, Bayes-Formel
  * Optimaler Klassifikator (ohne Beweis; geht auch eine (0,n)-Kostenfunktion?)
  
=== Sprachverstehen ===
  * Ausgangspunkt Bayes-Klassifikator, was sind die Einzelteile (akustisches & linguistisches Modell)
  * ...und den Rest schenke ich mir mal, weil die Diplomprüfung macht eh nie wieder jemand?

=== Hilfreiche Materialien ===
  * Duda, Hart, Stork: Pattern Classification (Kapitel 2: Bayesian Decision Theory)
  * Webb: Statistical Pattern Recognition
  * Gonzalez, Woods: Digital Image Processing (Wavelets)
  * Huang, Acero, Hon: Spoken Language Processing
  * Schukat-Talamazzini: Automatische Spracherkennung
  * Manning, Schütze: Foundations of Statistical Natural Language Processing (v.a. zum Thema Sprachmodelle)
  * (Wendemuth: Grundlagen der stochastischen Sprachverarbeitung)
  * [[http://www.youtube.com/view_play_list?p=A89DCFA6ADACE599|Andrew Ng: Machine Learning]] (EM, PCA, ...)
  * [[http://www.youtube.com/view_play_list?p=F8C86C2E163D8E4E|Somnath Sengupta: Digital Voice and Picture Communication]] (Wavelets)
  * [[http://www.emsp.tu-berlin.de/lehre/auto-spracherkennung/vorlesung|Dorothea Kolossa: Einführung in die automatische Spracherkennung]] (u.a. sehr schön zu HMMs)