Prüfer: Elli Angelopoulou, Elmar Nöth

• 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?)

• 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?

• 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)
• Andrew Ng: Machine Learning (EM, PCA, …)
• Somnath Sengupta: Digital Voice and Picture Communication (Wavelets)
• Dorothea Kolossa: Einführung in die automatische Spracherkennung (u.a. sehr schön zu HMMs)