| 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.
|
