227-0197-00L  Wearable Systems I

SemesterHerbstsemester 2014
DozierendeG. Tröster, U. Blanke
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
227-0197-00 GWearable Systems I4 Std.
Di08:15-12:00ETZ E 6 »
G. Tröster, U. Blanke

Katalogdaten

KurzbeschreibungKontexterkennung in mobilen Kommunikationssystemen (Mobiltelephon, Wearable Computer) wird mit fortgeschrittenen Verfahren aus dem Bereich Sensor Data Fusion, Mustererkennung, Statistik, Data Mining und maschinelles Lernen erarbeitet.
Kontext umfasst das Verhalten von Personen und Gruppen, deren Aktivitäten, sowie das lokale und soziale Umfeld.
LernzielZukünftige Mobilsysteme stellen uns als persönliche und hilfsbereite Assistenten die Informationen und Dienstleistungen zur Verfügung, wie wir sie aktuell benötigen. Die Systeme bestehen aus einem Smartphone, das mit Sensoren am Körper und in der Umgebung kommuniziert. Die Kontexterkennung als zentrale Funktion mobiler Systeme bildet den Schwerpunkt dieser Vorlesung. Kontext umfasst das Verhalten von Personen und Gruppen, deren Aktivitäten, sowie das lokale und soziale Umfeld.

Im Datenpfad von den Sensoren über die Segmentierung, Merkmalsextraktion und Clusterbildiung bis zur Klassifikation des Kontextes werden fortgeschrittene Verfahren der Signalverarbeitung, der Mustererkennung, der Statistik und des Maschinellen Lernens exemplarisch eingesetzt. Sensordaten, die über Crowdsourcing-Methoden gewonnen sind, werden in die Analysen eingebunden. Der Validierung mit MATLAB folgen eine Implementierung und Testphase auf einem Smartphone.
InhaltZukünftige Mobilsysteme werden als persönliche und hilfsbereite Assistenten in unserer Kleidung integriert sein und uns die Informationen und Dienstleistungen zur Verfügung stellen, wie wir sie aktuell benötigen (siehe Link). Die Kontexterkennung - wo befindet sich der Benutzer, was tut er, mit wem ist zusammen, wie geht es ihm und was sind seine Bedürfnisse - als zentrale Funktion mobiler Systeme bildet den Schwerpunkt dieser Veranstaltung.

In der Vorlesung werden folgende Themen behandelt:
Sensornetze, Sensordatenverarbeitung, Data Fusion, Segmentierung, LDA, Bayes Decision Theory, Entscheidungsbäume, Random Forest, kNN-Verfahren, Support Vector Machine, Hidden Markov Modelle, Adaboost, Data- und Textmining, Crowdsourcing, SOM und Clustering.

Die Übungen orientieren sich an konkreten Problemstellungen wie Gesten- und Bewegungserkennung mit verteilten Sensoren, Detektion von Aktivitätsmuster, Benutzung 'crowd-generierter' Daten sowie Bestimmung des lokalen Umfeldes.

Präsentationen durch Doktorierende und der Besuch am Wearable Computing Lab führen ein in die aktuellen Forschungsthemen und die internationalen Forschungsprojekte.

Sprache: deutsch/englisch (abhängig von den TeilnehmerInnen)
SkriptManuskript zu allen Lektionen, Übungen mit Musterlösungen.
Link
LiteraturLiteratur wird in den jeweiligen Vorlesungseinheiten benannt
Voraussetzungen / BesonderesKeine speziellen Voraussetzungen erforderlich

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte6 KP
PrüfendeG. Tröster, U. Blanke
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusmündlich 30 Minuten
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

Keine öffentlichen Lernmaterialien verfügbar.
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Keine zusätzlichen Belegungseinschränkungen vorhanden.

Angeboten in

StudiengangBereichTyp
Elektrotechnik und Informationstechnologie MasterKernfächerWInformation
Elektrotechnik und Informationstechnologie MasterEmpfohlene FächerWInformation
Mikro- und Nanosysteme MasterDevices and SystemsW+Information
Rechnergestützte Wissenschaften BachelorWahlfächerWInformation
Rechnergestützte Wissenschaften MasterWahlfächerWInformation