Go back to Schola

Fundamentals of automatic speech recognition

Ruhr-Universität Bochum

Docent
  • Dorothea Kolossa
Type
Lecture
Term
summer semester
Degree level
None
Tution fees
None
Related fields
None
Course is part of module
Course is part of program
Exchange mobilities
Subject type
Compulsory
Study path
Master Elektrotechnik & Informationstechnik; Angewandte Informatik
Specialisation/branch
Keywords
Grund­auf­ga­ben von Ad­ap­ti­ven Fil­tern: Iden­ti­fi­ka­ti­on, Fil­te­rung, Prä­dik­ti­on, In­ver­si­on, MMSE Fil­ter (Wie­ner Lö­sung), Least-Squa­res Me­tho­de, Re­kur­si­ve Al­go­rith­men, Nor­ma­li­zed Least-Me­an Squa­res (NLMS), Re­cur­si­ve Least-Squa­res (RLS), Fre­quen­cy-Do­main Ad­ap­ti­ve Fil­ter (FDAF), Kal­man Fil­ter (Zu­stands­schät­zer), Zeit­va­ri­an­te Sys­te­me, Mo­del­lie­rung im Zu­stands­raum, Bei­spiel: Akus­ti­scher Zu­stands­raum, Bei­spiel: Akus­ti­scher Zu­stands­schät­zer, Di­rek­te An­wen­dung: Frei­sprech­sys­te­me, Blin­de Sys­te­mi­den­ti­fi­ka­ti­on, Mi­ni­mum-Ma­xi­mum-Ei­gen­va­lue An­satz (PCA), Sys­te­mi­den­ti­fi­ka­ti­ons­be­din­gun­gen, Sys­tem­ab­stands­ma­ße, Di­rek­te An­wen­dung: Mi­kro­fonar­rays, Nicht­li­nea­re Sys­te­me, De­fi­ni­ti­on/Be­mes­sung von Nicht­li­nea­ri­tät,Quan­ti­sie­rung, Ro­bus­ter li­nea­rer Al­go­rith­mus,Nicht­li­nea­rer Laut­spre­cher, Nicht­li­nea­re Mo­del­lie­rung/Iden­ti­fi­ka­ti­on
Total ECTS credit
6.0
Examination
MÜND­LICH 30min
Language
German / Deutsch
Webpage
http://www.ei.rub.de/studium/lehrveranstaltungen/581/
Last modified
Nov. 30, 2024, 1:43 p.m.