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

ONLINE-PLUS im WS 2020/21: Einführung in die Theorie Künstlicher Neuronaler Netze - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 19077 Kurztext FMI-IN0018
Semester WS 2020 SWS 4
Teilnehmer 1. Platzvergabe 24 Max. Teilnehmer 2. Platzvergabe 24
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform Moodle  
Hyperlink
Sprache Deutsch
Belegungsfrist Zur Zeit keine Belegung möglich
Abmeldefristen B1 - Belegung ohne Abmeldung    31.08.2020 09:00:00 - 21.10.2020 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B2 - Belegung mit Abmeldung 6 Wochen    21.10.2020 08:00:00 - 14.12.2020 23:59:59   
Nach Zulassung ist eine Abmeldung auch durch den Teilnehmer möglich.
B3 - Belegung ohne Abmeldung    15.12.2020 00:00:01 - 22.02.2021 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
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. 04.11.2020 bis
10.02.2021
    findet statt  
Einzeltermine anzeigen Do. 12:00 bis 14:00 w. 05.11.2020 bis
11.02.2021
    findet statt  
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

 (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.

 

Lerninhalte

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.

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2020 , Aktuelles Semester: SoSe 2021

Impressum | Datenschutzerklärung