Modul CS4405 T

Modulteil: Neuroinformatik (NeuroInfa)

Dauer:

1 Semester

Angebotsturnus:

Jedes Sommersemester

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Biophysik 2023 (Modulteil eines Wahlmoduls), Vertiefung, 2. Fachsemester
Master Informatik 2019 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2020 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, Beliebiges Fachsemester
Master Entrepreneurship in digitalen Technologien 2020 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Medizinische Informatik 2019 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Biophysik 2019 (Modulteil eines Wahlmoduls), Vertiefung, 2. Fachsemester
Master IT-Sicherheit 2019 (Modulteil eines Wahlmoduls), Modulteil, 1. oder 2. Fachsemester
Master Medizinische Informatik 2014 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Entrepreneurship in digitalen Technologien 2014 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2014 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, 2. Fachsemester
Master Informatik 2014 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester

Lehrveranstaltungen:

CS4405-Ü: Neuroinformatik (Übung, 1 SWS)
CS4405-V: Neuroinformatik (Vorlesung, 2 SWS)

Workload:

45 Stunden Präsenzstudium
55 Stunden Selbststudium
20 Stunden Prüfungsvorbereitung

Lehrinhalte:
Überblick über das Gehirn, Neurone und (abstrakte) Neuronenmodelle Lernen mit einem Neuron: * Perzeptrons * Max-Margin-Klassifikation * LDA und logistische Regression Netzwerkarchitekturen: * Hopfield-Netze * Multilayer-Perzeptrons * Deep Learning Methoden des unüberwachten Lernens: * k-means, Neural Gas und SOMs * PCA & ICA * Sparse Coding

Qualifikationsziele/Kompetenzen:

Die Studierenden verstehen die grundsätzliche Funktionsweise eines Neurons und des Gehirns.
Sie kennen abstrakte Neuronenmodelle und können für die unterschiedlichen Ansätze Einsatzgebiete benennen.
Sie können die grundlegenden mathematischen Techniken anwenden, um Lernregeln aus einer gegebenen Fehlerfunktion abzuleiten.
Sie können die vorgestellten Lernregeln und Lernverfahren anwenden und teilweise auch implementieren, um gegebene praktische Probleme zu lösen.

Vergabe von Leistungspunkten und Benotung durch:

Prüfungsform hängt vom übergeordneten Modul ab

Modulverantwortlicher:

Siehe Hauptmodul

Lehrende:

Institut für Neuro- und Bioinformatik

Prof. Dr. rer. nat. Thomas Martinetz

Literatur:

S. Haykin: Neural Networks - London: Prentice Hall, 1999
J. Hertz, A. Krogh, R. Palmer: Introduction to the Theory of Neural Computation - Addison Wesley, 1991
T. Kohonen: Self-Organizing Maps - Berlin: Springer, 1995
H. Ritter, T. Martinetz, K. Schulten: Neuronale Netze: Eine Einführung in die Neuroinformatik selbstorganisierender Netzwerke - Bonn: Addison Wesley, 1991

Sprache:

Wird nur auf Deutsch angeboten

Bemerkungen:

Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.

(Ist Modulteil von CS4410, CS4511)
(Ist gleich CS4405)

Zulassungsvoraussetzungen zum Modul:
- Keine

Zulassungsvoraussetzungen zur Prüfung:
- Erfolgreiche Bearbeitung von Übungsaufgaben während des Semesters