Vorlesung (Hauptstudium)
Neuronale Netze
Dr. Nils Goerke
Neuronale Netze und die dazugehörigen Lernparadigmen sind wesentliche Bestandteile des Gebietes Neuroinformatik. Sie haben sich in einer Vielzahl von Anwendungen in Wissenschaft und Industrie bewährt und sind mittlerweile in das normale Spektrum informationsverarbeitender Techniken eingereiht.
In der Vorlesung werden insbesondere die grundlegenden neuronalen Netze (MLP, RBF, LVQ, SOM, SVM, ...) und die dazugehörigen Lernparadigmen in Theorie und anhand von ausgewählten Beispielen aus der Anwendung vermittelt. Aktuelle Entwicklungen der Neuroinformatik, die das Potential haben in Zukunft eine wichtige Bedeutung zu erlangen, werden vorgestellt und erarbeitet. Zukunftsweisende Trends des Gebietes werden diskutiert.
Ein besonderer Schwerpunkt der präsentierten Techniken und Anwendungen liegt im Bereich der Funktionsapproximation, der Steuerungs- und Regelungstechnik mit Schwerpunkt Robotik, sowie der Prädiktion von Zeitreihen.
Übung: Die Übungen dienen dazu, den Stoff der Vorlesung
in Diskussionen und anhand einfacher Aufgaben zu Vertiefen.
Im Verlauf der Vorlesung werden dazu Denkanstösse gegeben, die
als Aufgaben oder Fragen organisiert sein können.
Im Rahmen der Übungen werden die Inhalte der Vorlesung und der Aufgaben
gemeinsam diskutiert bzw. erarbeitet.
Insbesondere Fragestellungen aus aktuellen Forschungsthemen sollen Gegenstand
der Übungen sein.
Weiterhin wird die Möglichkeit geboten Simulationstools
für neuronale Netze praktisch kennen zu lernen und damit zu arbeiten,
bzw. einfache neuronale Netze selbst zu Implementieren.
|
Übersicht: alle Semester
Sensorimotor Systems and Cognitive Robotics 
Einführung in die Diskrete Mathematik