Die Vorlesung Neuronale Netze II setzt die Vorlesung vom WS 05/06 fort. Sie
vertieft die bisher behandelten Lernmethoden und behandelt
weitere Netzmodelle wie Lokal Lineare Karten, Hyperbolische
Selbstorganisierenden Karte Maps, Growing Neural Gas, Radiale Basisfunktionen, sowie
Eigenschaften und Lernverfahren für dynamische rekurrente Netze, insbesondere
zu Zeitserienvorhersage.
Dabei werden häufig Beispiele aus der Mustererkennung herangezogen, um
praktische Aspekte wie Vorverarbeitung, Merkmalselektion, Techniken zur
Konvergenzbeschleunigung und Wahl einer geeigneten Netzarchitektur zu
illustrieren.
Es wird eine zugehörige Blockübung zum Beginn der vorlesungsfreien Zeit im
Anschluss an das Semester durchgeführt, die die theoretischen Aspekte durch
praktische Simulationen und selbständig zu bearbeitende Aufgaben vertieft.
Die Vorlesung wendet sich an Studierende des Hauptstudiums,
insbesondere mit Vertiefungsrichtung Mustererkennung und Robotik, mit
Vorkenntnissen aus der Vorlesung Neuroinformatik I.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
---|---|---|---|---|---|---|---|
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | Biologie; Robotik | HS | ||||
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | NNet; ME; CM; MMK | Pflicht | HS |