Ein wirkliches Verständnis der funktionellen Eigenschaften eines Gehirns, wie z.B. Fehlertoleranz, Fähigkeit zur Generalisierung, Lernen, Gedächtnis, Verhaltenssteuerung, kann nur erreicht werden, wenn diese Eigenschaften mit Hilfe einfacher Modelle veranschaulicht werden. Zu diesem Zweck sollen einfache, im Rechner simulierte künstliche neuronale Netze untersucht werden. Es werden verschiedene Netztypen (Netz mit und ohne Rückkopplungen) und Lernalgorithmen (Lernen mit und ohne Trainer) betrachtet. Die einzelnen neuronalen Netze liegen als einfach zu bedienende, kleine Programme vor, die auch gut im Schulunterricht eingesetzt werden können. Der Block kann für Studierende Sek II auch als Vertiefung im Bereich C3 gewertet werden. Die ersten beiden Wochen können auch als Semiblock belegt werden
Cruse, H.: Neural networks as cybernetic systems, Thieme 1996.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
---|---|---|---|---|---|---|---|
Biologie / Diplom | (Einschreibung bis WiSe 02/03) | d+h/i | Wahlpflicht | HS | |||
Biologie / Lehramt Sekundarstufe I | C2 | Wahl | HS | ||||
Biologie / Lehramt Sekundarstufe II | C3+D3 | Wahlpflicht | HS | ||||
Umweltwissenschaften / Diplom | (Einschreibung bis WiSe 02/03) | d+h/i | Wahlpflicht | HS |