ModulKünstliche Neuronale Netze und Maschinelles Lernen (10-202-2128)
DozentMartin Bogdan
Beginn12.10.2022
Zeit / OrtMI 11:15-12:45 - HS 19
Turnusjedes Wintersemester

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

Das vorläufige Skript KNN&ML Wintersemester 22/23

Der neue Zusatz „Reinforcment Learning & Kommentare zu Deep Learning“

Das gesamte Skript KNN&ML Stand 2.2.2023

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“, I. Goodfellow, Y. Bengio, A. Courville; MIT Press, http://www.deeplearningbook.org, 2016
  • „Introduction to Deep Learning“, Sandro Skansi, ISBN 978-3-319-73003-5, 2018
  • „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