Computational-Intelligence

Old News

This lecture is only available in German.
Druckansicht

Vorlesung Neuronale Netze

Sommersemester 2014

Neuigkeiten

  • Die Klausur ist korrigiert. Die Klausureinsicht findet am Donnerstag, dem 31.07.2014 zwischen 13 und 15Uhr in Raum G29-036 statt.

Übersicht

zurück zum Seitenanfang

Allgemeines

Auf dieser Seite finden Sie verschiedene Informationen zu der Vorlesung "Neuronale Netze", die im Sommersemester 2014 von Prof. Dr. Rudolf Kruse an der Otto-von-Guericke-Universität Magdeburg gehalten wird. Diese Seite wird im Laufe des Semesters aktualisiert.

Inhalte der Vorlesung

(Künstliche) Neuronale Netze werden in vielen Bereichen eingesetzt, z.B. zur Mustererkennung, Klassifikation, Diagnose, Optimierung, Steuerung und in wissensbasierten Systemen. Die wesentlichen Vorteile (Künstlicher) Neuronaler Netze sind ihre Lernfähigkeit und ihre inhärente Parallelität. Die Vorlesung führt in die Grundlagen der (Künstlichen) Neuronalen Netze aus der Sicht der Informatik ein. Lernparadigmen und -algorithmen werden ebenso behandelt wie verschiedene, auf diesen Paradigmen aufsetzende Netzmodelle, z.B. Schwellenwertelemente, mehrschichtige Perzeptren, Radiale-Basisfunktionen-Netze, selbstorganisierende Karten, Hopfield-Netze, rückgekoppelte Netze, Support Vector Machines und Neuro-Fuzzy-Systeme.

zurück zum Seitenanfang

Termine und Räume

 DozentWochentagZeitRaumDatumBemerkung
VorlesungProf. R. Krusemontags13:15 - 14:45 UhrG29-307ab 07.04.2014 
ÜbungC. Doellmontags15:15 - 16:45 UhrG05-307ab 07.04.2014 
ÜbungC. Doellmontags17:15 - 18:45 UhrG05-307ab 07.04.2014 
ÜbungC. Doelldonnerstags15:15 - 16:45 UhrG05-307ab 10.04.2014nur für PNK-Studierende

Jede(r) Studierende, die/der an einer der Übungen teilnehmen will, muss sich über den FIN Registration Service zu einer der Übungen anmelden. Die Anmeldung ist vom 01.03.2014 ab 7 Uhr bis 9 Uhr am Tag der ersten Übung freigeschaltet. Es wird darum gebeten, bei der Registrierung eine E-Mail-Adresse anzugeben, in dessen Posteingang man auch regelmäßig hineinschaut.

Die schriftliche Prüfung findet am Mittwoch, dem 23. Juli 2014 in der Zeit von 09:00 bis 11:00 Uhr s.t. in G29-307 statt. Wir bitten darum, mindestens 10 Minuten vor der eigentlichen Prüfung zu erscheinen. Zugelassenes Hilfsmittel, das mitgebracht werden darf, ist ein nichtprogrammierbarer Taschenrechner. Schreibpapier wird gestellt. Mitzubringen sind lediglich

  • ein Lichtbildausweis (Personalausweis oder Studierendenausweis mit Foto),
  • Schreibmaterial (Stifte/Füller, die entweder blau oder schwarz schreiben).

Auch Studierende, die einen Leistungsnachweis in Form eines (un)benoteten Scheins benötigen, müssen an dieser Prüfung teilnehmen. Nach der Klausur wird auf dieser Webseite dann auch bekanntgegeben, an welchem Tag Studierenden die Einsicht in die Klausuren gestattet ist.

  • Die Klausur ist korrigiert. Die Klausureinsicht findet am Donnerstag, dem 31.07.2014 zwischen 13 und 15Uhr in Raum G29-036 statt.
zurück zum Seitenanfang

Dozenten

Wenn Sie Fragen zur Vorlesung oder zu den Übungen haben, wenden Sie sich bitte (wenn möglich, per E-mail) an:

zurück zum Seitenanfang

Schein- und Prüfungskriterien

Ein neues Aufgabenblatt mit schriftlichen Aufgaben und Programmieraufgaben wird jede Woche auf dieser Internetseite veröffentlicht. Die schriftlichen Aufgaben müssen am Beginn einer jeden Übung votiert werden. Durch das Votieren erklärt man sich bereit, dass man in der Lage ist, die Aufgabe und einen Lösungsvorschlag zu erklären und präsentieren. (Der Vorschlag muss nicht vollständig richtig sein. Es muss allerdings klar werden, dass man sich gewissenhaft mit der Aufgabe auseinandergesetzt hat.)

Studierende, die den Kurs mit einer Prüfung oder einem benoteten Schein beenden wollen, müssen

  • regelmäßig und gut in den Übungen mitarbeiten,
  • mindestens die Hälfte der schriftlichen Aufgaben votieren,
  • mindestens zweimal eine Lösung zu einer schriftlichen Aufgabe während der Übung präsentieren,
  • schließlich eine schriftliche Prüfung nach dem Kurs bestehen.

Das Bestehen der schriftlichen Prüfung ermöglicht ebenfalls den Erhalt eines unbenoteten Scheines falls ein solcher von einer/einem Studierenden anstatt der Prüfung erwünscht wird.

Studierende der Philosophie-Neurowissenschaften-Kognition, die den Kurs mit einer Prüfung oder einem benoteten Schein beenden wollen, müssen zusätzlich zum oben erwähntem Pensum

  • bei mehr als 5 Studierenden: aktiv an einer zusätzlichen Übung teilnehmen,
  • bei 5 oder weniger Studierenden: eine Semesteraufgabe bearbeiten. Hierbei muss jeder Studierende eine anspruchsvolle, praxisbezogene Aufgabe bearbeiten. Dazu gehören Literaturrecherche, Zwischenpräsentation, Programmieren, Evaluieren und Dokumentieren (inkl. einer schriftlichen Ausarbeitung) sowie einem Abschlussvortrag.

Während die Übung in diesem Semester besucht werden muss, kann die Semesteraufgabe auch im darauf folgenden Semester bearbeitet werden.

zurück zum Seitenanfang

Voraussetzungen

Sie müssen nicht, aber Sie sollten Hintergrundwissen verfügen über

  • Algorithmen und Datenstrukturen,
  • Programmierung und Modellierung,
  • Mathematik I bis IV.
zurück zum Seitenanfang

Folien aus der Vorlesung

Die Folien der Vorlesung werden rechtzeitig hochgeladen so wie der Kurs fortschreitet.

zurück zum Seitenanfang

Übungsblätter

Die Sammlung von Übungsblättern wird hier wöchentlich erweitert.

  • allgemeine Hinweise zu den Übungsblättern und zum Ablauf der Übungen
  • 14. KW: Diese Übung entfällt.
  • 15. KW: 01. Übungsblatt zum 07.04.2014 (grundlegende Mathematik)
  • 16. KW: 02. Übungsblatt zum 14.04.2014 (Schwellenwertelemente)
  • 17. KW: Lehrveranstaltungsausfall am 21.04.2014 aufgrund von Ostermontag
  • 18. KW: 03. Übungsblatt zum 28.04.2014 (Netze und Training von Schwellenwertelementen)
  • 19. KW: 04. Übungsblatt zum 05.05.2014 (Aktualisierungsreihenfolge, Funktionsapproximation)
  • 20. KW: 05. Übungsblatt zum 12.05.2014 (Methode der kleinsten Quadrate, Logistische Regression)
  • 21. KW: Lehrveranstaltungsausfall am 19.05.2014 aufgrund von Krankheit
  • 22. KW: 06. Übungsblatt zum 26.05.2014 (Aktivierungsfunktionen, Gradientenabstieg, Fehlerrückpropagation)
  • 22. KW: 07. Übungsblatt zum 02.06.2014 (Radiale-Basisfunktionen-Netze)
  • 23. KW: Lehrveranstaltungsausfall am 09.06.2014 aufgrund von Pfingstmontag
  • 24. KW: 08. Übungsblatt zum 16.06.2014 (Radiale-Basisfunktionen-Netze, Lernende Vektorquantisierung)
  • 25. KW: 09. Übungsblatt zum 23.06.2014 (Wettbewerbslernen / Lernende Vektorquantisierung, Selbstorganisierende Karten, Hopfield-Netze)
  • 26. KW: 10. Übungsblatt zum 30.06.2014 (Hopfield-Netze, VC-Dimension, Kernel-Trick)
zurück zum Seitenanfang

Übungsblätter der Übung für Studierende des Bereichs Philosophie-Neurowissenschaften-Kognition (PNK)

Die Sammlung von Übungsblättern für PNK-Studenten wird hier wöchentlich erweitert.

zurück zum Seitenanfang

Zusätzliche Unterlagen

An dieser Stelle finden Sie zusätzliche Unterlagen zur Vorlesung und zu den Übungen.

zurück zum Seitenanfang

Literatur

Support Vector Machines und Kernel Methods:

  • N. Cristianini und J. Shawe-Taylor (2000). An Introduction to Support Vector Machines. Cambridge University Press, Cambridge, UK. (führt kurz und gut in die Theorie und Optimierungsalgorithmen der SVMs ein, beschreibt weitere Kernel-Methoden, diskutiert praktische Anwendungen, ideal für Anfänger)
  • J. Shawe-Taylor und N. Cristianini (2004). Kernel Methods for Pattern Analysis. Cambridge University Press, Cambridge, UK. (Fokus dieses Buches der selben Autoren: Kernel-Methoden, Anwendung des Kernel-Tricks und deren Implementierung, nichts für Laien)
  • B. Schölkopf und A. J. Smola (2002). Learning with Kernels. MIT Press, Cambridge, MA, USA. (Die Bibel der Kernel-Methoden, teilweise auch als Einstieg nützlich)

Statistische Lerntheorie:

  • T. Hastie, R. Tibshirani und J. Friedman (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2. Aufl., Springer, New York City, NY, USA. (diskutiert eine sehr große Bandbreite an Statistischen Lernmethoden, Übungsaufgaben inklusive, ideal für verschiedenste Vorlesungen in den Bereichen Data Mining, Machine Learning und Intelligent Data Analysis, Buch frei als PDF von der Website erhältlich)

Spiking Neural Networks:

  • W. Gerstner und W. Kistler (2002). Spiking Neuron Models. Cambridge University Press, Cambridge, UK. (sehr gute Einführung in die Modellierung und Analyse von Spiking Neural Networks)
zurück zum Seitenanfang

Verweise auf andere Webseiten

zurück zum Seitenanfang
en lang icon de lang icon Printable View - Recent Changes
Page last modified on July 28, 2014, at 10:40 AM by doell