Die Vorlesung Neuronale Netze II setzt die Vorlesung vom WS 03/04 fort. Sie vertieft die bisher behandelten Lernmethoden und behandelt z.B. Beschleunigungsverfahren und andere Modifikationen von Backpropagation, weiter Netzmodelle wie Lokal Linear Maps, Hyperbolic Maps, Growing Neural Gas, Eigenschaften und Lernverfahren für dynamische rekurrente Netze, insbesondere zu Zeitserienvorhersage und Assoziativspeicher.
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 angestrebt, einen Blockkurs zum Beginn der vorlesungsfreien Zeit
Anschluss an das Semester durchzuführen.
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) | Robotik; Physik; Biologie; Sprachverarbeitung | HS | ||||
| Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | BioI; MMK; ME; NNet | HS |