Download der Vorlesungsunterlagen (pdf-Format, pps-Format)
im SS 2023: Vorlesung Montags 10:15 - 11:45, Geb. A5.1, HS -1.22 oder hybrid via MS Teams
Bitte beachten: Für angemeldete Studierende wird die Lehrveranstaltung auch hybrid angeboten. Zudem stehen die Aufzeichnungen der Vorlesungen vom SS 2021 zur Verfügung im Teamsverzeichnis
Zur Anmeldung senden Sie bitte eine Email (vorzugsweise von Ihrem UdS-Studierenden-Account) an Prof. Schütze (
Die Lehrveranstaltung führt ein in die Multisensorsignalverarbeitung, d.h. die Erkennung von Mustern primär mit statistischen Methoden, aber auch mit künstlichen neuronalen Netzen ("Maschinelles Lernen"). Dabei orientiert sie sich an Fragestellungen einerseits aus dem Bereich Gasmesstechnik und andererseits aus dem Condition Monitoring von Maschinen und Anlagen, jeweils mit Bezug zu aktuellen Forschungsprojekten des Lehrstuhls. Begleitet werden die Vorlesungen durch praktische Übungen am Computer, auch zum Kennenlernen der entsprechenden Software-Tools wie DAV³E, sowie durch ein Projektseminar, in dem die Studierenden selbst eine Fragestellung aus dem Spektrum der Vorlesung bearbeiten und ihr Ergebnis präsentieren. Die Computerübung und die Seminarpräsentation stellen jeweils Teilprüfungsleistungen dar, den Abschluss bildet eine kurze mündliche Prüfung.
Vorläufiger Terminplan
Bitte beachten: im SS2023 entfallen drei Montagstermine wegen Feiertagen, daher soll versucht werden, einen Alternativtermin für die Vorlesung zu finden.
Vorlesungen: | Datum: | Inhalt: |
Vorlesung 1 | 17.04.2023 |
Kap. 1: Einführung, Grundlagen der Signalverarbeitung, Zielsetzung (als ppsx) |
Vorlesung 2 | 24.04.2023 |
Kap. 2.1: Beispielprojekt Lösungsmittelerkennung (als ppsx) Update 2021: VOC-Quantifizierung für IAQ Weiterführende Literatur: Kap. 2.2: Beispielprojekt iCM-Hydraulik (als ppsx) |
Vorlesung 3 | 08.05.2023 |
Vertretung durch Tizian Schneider Kap. 3: Validierungsmethoden (als ppsx) Kap. 4: Automatisierte Merkmalsextraktion und -selektion (als ppsx) Weiterführende Literatur: |
Vorlesung 4 | 15.05.2023 |
Kap. 5: Lineare Multivariate Methoden (PCA, LDA) (als ppsx) |
Vorlesung 5 | 22.05.2023 |
Kap. 6: Suppport Vector Machine (SVM) (als ppsx) Kap. 7.1-2: Künstliche Neuronale Netze: Grundlagen und Simulation (als ppsx) |
Computerübung | Do. 25. Mai, 9 - 13 Uhr |
Einführende Übung zur Nutzung von DAV³E und zur Erprobung der grundlegenden Konzepte für Validierung, Merkalsextraktion, -selektion und Dimensionsreduktion |
Seminarthemen | Vorstellung der Seminarthemen, zu bearbeiten in Kleingruppen von 2-3 Personen. | |
Vorlesung 6 | 05.06.2023 |
Fortsetzung Kap. 7.1-2 Kap. 7.3-4: Künstliche Neuronale Netze (als ppsx) |
Vorlesung 7 | 12.06.2022 |
Kap. 7.5-7: Künstliche Neuronale Netze (als ppsx) |
Vorlesung 8 | 19.06.2023 |
Kap. 7.8: Deep learning, convolutional networks etc. (als ppsx) (Vorlesung wird gehalten von Tizian Schneider) Weiterführende Literatur: |
Vorlesung 9 | 26.06.2023 | |
Vorlesung 10 | 03.07.2023 |
Kap. 9: Novelty detection Nur zum Selbststudium: Weiterführende Literatur: |
Seminarpräsentationen | 10.07.2023 Beginn 10.30 Uhr |
Präsentation von Gruppe 1: Methoden zur Rauschreduktion (Nicolas Meusel, David Barth, Jonas Martin) |
Seminarpräsentationen | 17.07.2023 |
Präsentation von zwei Gruppen: 2. Random Forests und Decision Trees für das ML-Framework des Lehrstuhls (Rudolf Gerlich, Daniel Philippi) |
Mündliche Prüfung | nach individueller Vereinbarung (Dauer ca. 30 min) |