Lehre Sommersemester 2011
Multilinguale Mensch-Maschine Kommunikation
Die Vorlesung "Multilinguale Mensch-Maschine-Kommunikation" bietet eine Einführung in die automatische Spracherkennung und Sprachverarbeitung. Dazu werden zunächst die theoretischen Grundlagen der Signalverarbeitung und der Modellierung von Sprache vorgestellt. Besonderes Augenmerk wird hier auf statistische Modellierungsmethoden gelegt. Anschliessend werden die wesentlichen praktischen Ansätze und Methoden behandelt, die für eine erfolgreiche Umsetzung der Theorie in die Praxis der sprachlichen Mensch-Maschine Kommunikation relevant sind. Die modernen Anforderungen der Spracherkennung und Sprachverarbeitung im Zuge der Globalisierung werden in der Vorlesung anhand zahlreiche Beispiele von state-of-the-art Systemen illustriert und im Kontext der Multilingualität beleuchtet.
Methoden der Biosignalverarbeitung
Diese Vorlesung behandelt algorithmische Methoden der modernen Biosignalverarbeitung. Vertieft wird unter anderem die Quellenseparierung von Biosignalen, also die Analyse von Messreihen, die sich aus mehreren überlagerten Komponenten zusammensetzen. Ein weiteres Thema ist die Fusion von Informationen, die z.B. von verschiedenen Bestandteilen eines multimodalen Klassifikationssystems stammen können.
Die theoretischen Grundlagen werden durch Anwendungsbeispiele aus Literatur und eigener Forschung veranschaulicht.
Die Vorlesung beschäftigt sich mit der Modellierung menschlicher Kognition und menschlichen Affekts im Kontext der Mensch-Maschine-Interaktion. Es werden Modelle thematisiert, die von Computersystemen genutzt werden können, um menschliches Verhalten zu beschreiben, zu erklären, und vorherzusagen. Wichtige Inhalte der Lehrveranstaltung sind Modelle menschlichen Verhaltens, menschliches Lernen (Zusammenhang und Unterschiede zu maschinellen Lernverfahren), Repräsentation von Wissen, Emotionsmodelle, und kognitive Architekturen. Es wird die Relevanz kognitiver Modellierungen für zukünftige Computersysteme aufgezeigt und insbesondere auf die relevanten Fragestellungen der aktuellen Forschung im Bereich der Mensch-Maschine-Interaktion eingegangen.
Spezielle Vorkenntnisse sind zum Besuch der Veranstaltung nicht erforderlich.
Am Cognitive Systems Lab untersuchen wir Verfahren zum Erfassen und Interpretieren von verschiedenen Biosignalen des Menschen. Beispiele für solche Signale sind elektroenzephalographische Signale (EEG, Hirnaktivität), elektromyographische Signale (EMG, Muskelaktivität), die menschliche Sprache oder Bewegung. Ziel ist es, lernende Systeme zu entwickeln, welche die Bedürfnisse des Menschen erkennen und sich so der jeweiligen Situation anpassen.
Dieses Praktikum vermittelt praktische Erfahrungen im Umgang mit Biosensoren und deren Einsatz zur Erfassung diverser Biosignale, wie sie in der Vorlesung Biosignale und Benutzerschnittstellen vorgestellt werden. Speziell soll ein Erkenner für menschliche Bewegungen gebaut werden. Dafür stehen EMG-Elektroden und Beschleunigungssensoren zur Verfügung. Es wird in Teams von 3-4 Studierenden im Hauptdiplom bzw. Master gemeinschaftlich gearbeitet. Ziel des Praktikums ist es, ein Erkennungsszenario zu spezifizieren, entsprechende Daten aufzunehmen und einen Erkenner zu entwickeln und zu optimieren. Die Implementierung erfolgt mit Hilfe vorhandener Komponenten auf Basis des Janus Recognition Toolkit. Um ein selbständiges Arbeiten zu ermöglichen, sind grundlegende Programmierkenntnisse erforderlich.
