Neuronale Netzwerke A

LV-Nr: 708.073 VO, 708.074 UE
LV-Homepage:
TUGonline Link: Neuronale Netze A

Stellung im Studienplan: Kernfach

 

(Künstliche) Neuronale Netze stellen eine Technologie dar, die versucht, bestimmte Aspekte und Mechanismen des natürlichen/biologischen Lernens zu kopieren bzw. zu simulieren. Dadurch können sehr fexible Lösungen für eine Vielzahl von Aufgabenstellungen gefunden werden, z.B. aus den Bereichen Mustererkennung/Klassifikation, Diagnose, Optimierung, Steuerung und wissensbasierte Systeme.

Diese Vorlesung bietet eine Einführung in das Rechnen und Lernen auf künstlichen Neuronalen Netzen. Die wichtigsten in der Praxis verwendeten Algorithmen für adaptive Neuronale Netze werden hier untersucht, und konkurrierende Methoden des Maschinellen Lernens und der Statistik diskutiert.

Folgende Themen werden ausführlich behandelt:

  • Das Perceptron Modell
  • Multilayer Perceptrons
  • Backpropagation und Erweiterungen
  • Radial Basis Function Networks
  • Unsupervised Learning (PCA, ICA)
  • Kohonen Maps
  • Hopfield Networks
  • Echo State Networks
  • Bayes'sche Methoden für künstliche Neuronale Netzwerke