Die Vorlesung bietet eine Einführung in Algorithmen, deren Arbeitsweise sich an Modellvorstellungen zur Informationsverarbeitung in
biologischen neuronalen Netzwerken orientiert.
Wesentliches Merkmal solcher neuronaler Algorithmen ist die Beteiligung einer großen Anzahl relativ langsamer, oft einfacher und wenig zuverlässiger, jedoch meist adaptiver und dicht miteinander vernetzter Einheiten (Neuronen) am Verarbeitungsprozess. Diese bilden eine fehlertolerante und in der Regel über viele Systemkomponenten verteilte Repräsentation von Information. Die eigentliche Komplexität neuronaler Netze liegt dabei in ihrer Verschaltungsstruktur, welche mit Hilfe adaptiver Lernalgorithmen aufgabenspezifisch ausgeprägt werden muß.
Vorgesehene Themen der Vorlesung sind u.a.: Modelle zum Einzelneuron, Netzwerkarchitekturen, Lernen in neuronalen Netzen, kompetitive Netzwerke, Multilagen-Perzeption, Assoziative Speicher sowie Anwendungen dieser Systeme in verschiedenen Bereichen wie Mustererkennung, Computersehen und Robotersteuerung.
Frequency | Weekday | Time | Format / Place | Period |
---|
Degree programme/academic programme | Validity | Variant | Subdivision | Status | Semester | LP | |
---|---|---|---|---|---|---|---|
Bioinformatik und Genomforschung / Bachelor | (Enrollment until SoSe 2011) | Modul 11 | Wahlpflicht | 5. | 3 | benotet | |
Naturwissenschaftliche Informatik / Diplom | (Enrollment until SoSe 2004) | Robotik; Biologie | HS | ||||
Naturwissenschaftliche Informatik / Diplom | (Enrollment until SoSe 2004) | ME; BioI; NNet; CV | HS | ||||
Studieren ab 50 |