Modul CS4405-KP04, CS4405

Neuroinformatik (NeuroInf)

Dauer:

1 Semester

Angebotsturnus:

Jedes Sommersemester

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Mathematik in Medizin und Lebenswissenschaften 2023 (Pflicht), Informatik, 2. Fachsemester
Master Hörakustik und Audiologische Technik 2022 (Wahlpflicht), Hörakustik und Audiologische Technik, 2. Fachsemester
Master Hörakustik und Audiologische Technik 2017 (Wahlpflicht), Hörakustik und Audiologische Technik, 2. Fachsemester
Master Medizinische Ingenieurwissenschaft 2020 (Wahlpflicht), Informatik/Elektrotechnik, Beliebiges Fachsemester
Master Mathematik in Medizin und Lebenswissenschaften 2016 (Pflicht), Informatik, 2. Fachsemester
Master Robotics and Autonomous Systems 2019 (Wahlpflicht), Wahlpflicht, 1. oder 2. Fachsemester
Master Medizinische Ingenieurwissenschaft 2014 (Wahlpflicht), Informatik/Elektrotechnik, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Mathematik, 2. Fachsemester
Bachelor Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Wahlpflicht in MIW, 6. Fachsemester
Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Organic Computing, 2. oder 3. Fachsemester
Master Medizinische Ingenieurwissenschaft 2011 (Vertiefung), Bildgebende Systeme, Signal- und Bildverarbeitung, 2. Fachsemester
Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Intelligente Eingebettete Systeme, 2. oder 3. Fachsemester
Master Informatik 2012 (Pflicht), Anwendungsfach Robotik und Automation, 2. Fachsemester
Master Informatik 2012 (Pflicht), Anwendungsfach Bioinformatik, 2. Fachsemester
Master Mathematik in Medizin und Lebenswissenschaften 2010 (Pflicht), Informatik, 2. Fachsemester

Lehrveranstaltungen:

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

Workload:

20 Stunden Prüfungsvorbereitung
55 Stunden Selbststudium
45 Stunden Präsenzstudium

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:

Klausur oder mündliche Prüfung nach Maßgabe des Dozenten

Modulverantwortlicher:

Prof. Dr. rer. nat. Thomas Martinetz

Lehrende:

Institut für Neuro- und Bioinformatik

Prof. Dr. rer. nat. Thomas Martinetz
Prof. Dr. rer. nat. Amir Madany Mamlouk

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:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS4405-L1: Neuroinformatik, Klausur, 90 min, 100% der Modulnote

Nach der alten MIW-Bachelor Pruefungsordnungsversion (bis WS 2011/2012) ist ein Wahlpflichtfach für das 4. Semester statt dem 6. Semester vorgesehen.