ModulKünstliche Neuronale Netze und Maschinelles Lernen (10-202-2128)
DozentMartin Bogdan
Beginn12.10.2016
Zeit / OrtMI 13-15 - HS 19
Turnusjedes Wintersemester
PrüfungDer Prüfungszeitraum ist vom 7.2.-9.2.2016

Inhalt

Die Studierenden sollen die grundlegenden überwachten und unüberwachten Lernverfahren und Algorithmen der Künstlichen Neuronalen Netze und des Maschinellen Lernens verstehen und die wesentlichen Lösungsansätze auf Problemstellung der Daten- und Signalverarbeitung anwenden können.

Nach der aktiven Teilnahme am Modul Künstliche Neuronale Netze und Maschinelles Lernen sind die Studierenden in der Lage

  • grundlegende Begriffe der Künstlichen Neuronalen Netze und des Maschinellen Lernens zu definieren
  • ausgewählte Verfahren und Algorithmen zu beschreiben und zu analysieren
  • algorithmische Lösungsansätze zu erklären und diese selbstständig auf Problemstellungen der Daten- und Signalverarbeitung anzuwenden
  • einen wissenschaftlichen Vortrag zu halten
  • eine wissenschaftliche Veröffentlichung zu erstellen

Materialien

Skript “Künstliche neuronale Netze und maschinelles Lernen“, Stand 24.01.2017

Literatur

Vorläufige Liste:

  • Simulation künstlicher neuronaler Netze“, Andreas Zell; Oldenbourg Verlag, 2000
  • „Theorie der neuronalen Netze“, Raúl Rojas: Springer, 1996
  • „Neuronale Netze“, Helge Ritter, Thomas Martinetz, Kalus Schulten; Addison-Wesley, 1994
  • „Maschinelles Lernen“, Ethem Alpaydin; Oldenbourg Verlag, 2008
  • „Deep learning in neural networks“, Schmidhuber http://dx.doi.org/10.1016/j.neunet.2014.09.003, 2015
  • „Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position“, Biol. Cybernetics 36, 193 202, 1980