Mit der Vorlesung "Vertiefung Neuronale Netze" werden die im Modul "Neuronale Netze und Lernen" erworbenen Grundkenntnisse im Bereich neuronaler Netze und Lernalgorithmen weiter vertieft. Insbesondere werden weitere Netzmodelle wie Lokal Lineare Karten, Hyperbolische Selbstorganisierenden Karten, Growing Neural Gas, Radiale Basisfunktionen, sowie Eigenschaften und Lernverfahren für dynamische rekurrente Netze, insbesondere zur Zeitserienvorhersage behandelt.
Dabei werden häufig Beispiele aus der Mustererkennung herangezogen, um praktische Aspekte wie Vorverarbeitung, Merkmalselektion, Techniken zur Konvergenzbeschleunigung und Wahl einer geeigneten Netzarchitektur zu illustrieren.
Teilnahmevoraussetzungen, notwendige Vorkenntnisse
Modul "Neuronale Netze und Lernen"
Die Vorlesung wendet sich an einschlägig interessierte Studenten der Informatik, Mathematik und Linguistik im Hauptstudium. Neuronale Netze und Lernen
David MacKay: "Gaussian Processes Basics" (video lecture)
Iain Murray: "Markov Chain Monte Carlo" (video lecture)
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-M-Inf-VNN Vertiefung Neuronale Netze | Vertiefung Neuronale Netze | benotete Prüfungsleistung
|
Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: