 |
| Detailinformationen |
| Quellcurriculum |
Masterstudium Elektronik und Informationstechnik 2019W |
| Ziele |
- Wissen über wichtige Signalverarbeitungsalgorithmen zur effizienten Umsetzung in digitaler Hardware aufzubauen
- Verständnis der Implementierungsprobleme und Wissen über die Optimierung von Algorithmen zur effizienten Umsetzung zu entwickeln
|
| Lehrinhalte |
- Wiederholung wichtiger Grundlagen der digitalen Signalverarbeitung und *Implementierung von effizienten Algorithmen zum Lösen von Least Squares Problemen bzw. zum Lösen von Gleichungssystemen (z.B.: Kaczmarz Algorithmen, *Implementierung von effizienten Methoden zum Lösen von dünn besetzten Schätz- und Rekonstruktionsproblemen
- Implementierungen adaptiver Filter (z.B.: LMS, Sparse LMS,…)
- Signalzerlegungen (z.B.: FFT und verwandte Ansätze)
- Implementierungsaspekte ausgewählter Machine Learning und Data Science Algorithmen in digitaler Hardware
- Effizienter Hardwarearchitekturentwurf (Memory Management, Arithmetische Vereinfachungen, Approximation von Operationen,…)
|
| Beurteilungskriterien |
Mündliche oder schriftliche Abschlussprüfung (75%), Beurteilung der Hausübung (25%)
|
| Lehrmethoden |
Vortrag durch den LVA-Leiter, Matlab/VHDL/Bit-true Demos, Bearbeitung ausgewählter Hausübungsbeispiele, Videoaufzeichnungen der Vorlesung (Bildschirm- und Audioaufzeichnung)
|
| Abhaltungssprache |
German or English |
| Literatur |
- Vorlesungsfolien
- U. Meyer-Baese, Digital Signal Processing with Field Programmable Gate Arrays, Springer Verlag, Berlin Heidelberg, 2007.
- E. Chong, S. Zak, An Introduction to Optimization, Wiley, 2001.
- J. H. Friedman, R. Tibshirani und T. Hastie, The Elements of Statistical Learning, Springer, 2001.
- A. Galántai, Projectors and Projection Methods, Springer, 2004.
- H. Bauschke et. al, Fixed-Point Algorithms for Inverse Problems in Science and Engineering, Springer, 2011.
|
| Lehrinhalte wechselnd? |
Nein |
|
