Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Einführung in die Theorie Künstlicher Neuronaler Netze - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 19077 Kurztext FMI-IN0018
Semester WS 2019 SWS 4
Teilnehmer 1. Platzvergabe 24 Max. Teilnehmer 2. Platzvergabe 24
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.

Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.

Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
Termine Gruppe: 0-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mi. 10:00 bis 12:00 w. 23.10.2019 bis
05.02.2020
Ernst-Abbe-Platz 2 - Linux-Pool 1   findet statt

unrglm. i.W. mit Seminarraum

 
Gruppe 0-Gruppe:
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mi. 10:00 bis 12:00 w. 16.10.2019 bis
05.02.2020
August-Bebel-Straße 4 - SR 104   findet statt  
Einzeltermine anzeigen Do. 12:00 bis 14:00 w. 17.10.2019 bis
06.02.2020
August-Bebel-Straße 4 - SR 108   findet statt  
Einzeltermine anzeigen kA.  bis  Block 24.02.2020 bis
28.02.2020
    findet statt

Zeitraum mdl. Prüfung

 
Gruppe 1-Gruppe:



Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Beckstein, Clemens, Universitätsprofessor, Dr.-Ing. verantwortlich
Knüpfer, Christian , Dr. rer. nat. begleitend
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Inhalt
Kommentar

Inhalte:

Im Rahmen dieser Lehrveranstaltung werden behandelt

  • Grundlagen des Konnektionismus,
  • wesentliche Architekturen und Lernverfahren Neuronaler Netze sowie deren algorithmische Komplexität,
  • Elemente der  Generalisierungs- und Approximationstheorie,
  • unüberwachte Neuronale Netze und selbstorganisierende Karten,
  • Verfahren zur Strukturoptimierung von Neuronalen Netzen.

Neben theoretischen werden auch praktische Übungen mit Hilfe von MATLAB durchgeführt.

(Qualifikations-)Ziele:

  • Solide Kenntnis der Grundlagen künstlicher neuronaler Netze aus der Sicht der Informatik (neuronale Netze als informatische Verarbeitungsmodelle).
  • Fähigkeit, neuronale Netze zur Lösung unüblicher Probleme oder widersprüchlicher Spezifikationen einzusetzen und die Qualität der so gefundenen Lösungen einzuschätzen.
Literatur
  • Hagan, M.T., Demuth, H.B., Beale, M.H., Neural Network Design, PWS Publishing Company, Boston, MA, 1995.
  • Nilsson, N.J., The Mathematical Foundations of Learning Machines, Morgan Kaufmann, San Francisco, 1990.
  • Parberry, I., Circuit Complexity and Neural Networks, MIT-Press, Cambridge, MA, 1994.
  • Rojas, R., Theorie der neuronalen Netze, Springer-Verlag, Berlin, 1991.

 

Bemerkung

Die Übungen finden unregelmäßig mittwochs, 10:15-11:45 Uhr im

Linux Pool II (Ernst-Abbe-Platz 2)

statt.

  1. Übung am 14.11.2018
  2. Übung am 28.11.2018
Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2019 , Aktuelles Semester: SoSe 2024

Impressum | Datenschutzerklärung