Stochastik Für Informatiker 1990 Edition Contributor(s): Mathar, Rudolf (With), Pfeifer, Dietmar (Author) |
|
![]() |
ISBN: 3519022400 ISBN-13: 9783519022404 Publisher: Vieweg+teubner Verlag OUR PRICE: $80.74 Product Type: Paperback Language: German Published: January 1990 |
Additional Information |
BISAC Categories: - Technology & Engineering | Engineering (general) |
Dewey: 620 |
Series: Leitfäden Und Monographien Der Informatik |
Physical Information: 0.77" H x 6.69" W x 9.61" (1.30 lbs) 359 pages |
Descriptions, Reviews, Etc. |
Publisher Description: Das vorliegende Buch entstand aus einer Reihe von Vorlesungen, die wir an der Rheinisch-Westfcilischen Technischen Hochschule Aachen, der European Business School, der Universitat Oldenburg und der Universitat Augsburg seit 1984 ge- halt en haben. Diese Vorlesungen wandten sich vor allem an Informatikstudenten und Mathematikstudenten mit Nebenfach Informatik mit dem Ziel, stochastische Grundbegriffe unter besonderer Beriicksichtigung Informatik-spezifischer Aspekte zu vermitteln. Unter den zahlreichen Einsatzfeldern stochastischer Methoden in der Informatik seien hier beispielhaft genannt: Die Average-Case-Analyse von Algorithmen, die stochastische Automatentheorie, Anwendungen im Bereich des CAD (Bezier-Kurven und -Flii.chen), stochastische Informationstheorie und Codierungstheorie, Rechnernetze und Leistungsbewer- tung von Rechnersystemen (Warteschlangenprobleme), Bildverarbeitung (Compu- tertomographie), automatische Spracherkennung (Hidden-Markov-Modelle), Ex- pertensysteme (effiziente Bereclmung von bedingten Wahrscheinlichkeiten), kiinst- liche Intelligenz (Neuronale Netze), stochastische Optimierungs- und Suchverfah- ren (Simulated Annealing), stochastische Simulation, probabilistische Algorithmen u.v.a .. Die zum Verstiindnis benotigten theoretischen Grundlagen, die erfahrungsgemiill haufig weit iiber den in einfiihrenden Veranstaltungen angebotenen Stoff hinausge- hen, sind dementsprechend vielfci.ltig und reichen von einfachen kombinatorischen Uberlegungen bei einigen Problemen der Average-Case-Analyse von Algorithmen bis hin zu tiefliegenden Satzen der axiomatischen Wahrscheinlichkeitstheorie, etwa bei den Markoff-Ketten und -Prozessen oder der Theorie der Punktprozesse im Bereich der Bildverarbeitung. |