Neuronale Netze
Allgemeine Informationen
Auf dieser Seite finden Sie verschiedene Informationen zu der Vorlesung "Neuronale Netze", die im Sommersemester 2018 von Professor Dr. Rudolf Kruse an der Otto-von-Guericke-Universität Magdeburg gehalten wird. Diese Seite wird im Laufe des Semesters aktualisiert.
Themen
- Architekturen Neuronaler Netze
- Perzeptren
- Mehrschichtige Neuronale Netze
- Radial Basis Funktionen Neuronen
- Hopfield Netze
- Rekurrente Neuronale Netze
- Deep Learning
- Klassifikation mittels Neuronaler Netze
- Anwendungen
Termine und Räume
| Wochentag | Zeit | Raum | Beginn | Dozent | Sprache | |
|---|---|---|---|---|---|---|
| Vorlesung | Donnerstag | 11.15-12.45 | G29-307 | 05.04. | Prof. Dr. Rudolf Kruse | deutsch |
| PNK-Übung Slot 1 | Dienstag | 10.00-11.00 | G29-336 | 10.04 | Alexander Dockhorn | deutsch |
| PNK-Übung Slot 2 | Dienstag | 11.00-12.00 | G29-336 | 10.04 | Alexander Dockhorn | deutsch |
| Übung | Donnerstag | 13.15-14.45 | G29-K058 | 12.04 | Alexander Dockhorn | deutsch |
| Übung | Mittwoch | 13.15-14.45 | G29-K058 | 11.04 | Jan-Ole Perschewski | deutsch |
| Übung | Mittwoch | 15.15-16.45 | G29-K058 | 11.04 | Jan-Ole Perschewski | deutsch |
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 wird bald freigeschaltet und bis zum Tag der ersten Übung freigeschaltet bleiben. Es wird darum gebeten, bei der Registrierung eine E-Mail-Adresse anzugeben, in dessen Posteingang man auch regelmäßig hineinschaut.
Dozenten
Wenn Sie Fragen zur Vorlesung oder zu den Übungen haben, wenden Sie sich bitte (wenn möglich, per E-mail) an:
- Prof. Dr. Rudolf Kruse, rudolf.kruse@ovgu.de
- Alexander Dockhorn, alexander.dockhorn@ovgu.de
- Jan-Ole Perschewski, jan-ole.perschewski@st.ovgu.de
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, dass man gewillt und in der Lage ist, die Aufgabe und einen Lösungsvorschlag zu erklären und zu präsentieren. (Der vorgeschlagene Ansatz 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 50% 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 aktiv an der für PNK-Studenten zusätzlichen Übung teilnehmen.
Vorlesungsfolien
Die Folien der Vorlesung werden rechtzeitig hochgeladen so wie der Kurs fortschreitet.
Vorlesungsteil 00 - Organisatorisches
Vorlesungsteil 01 - Einleitung, Schwellenwertelemente
Vorlesungsteil 02 - Allgemeine Neuronale Netze
Vorlesungsteil 03 - Mehrschichtige Perzeptren (MLP)
Vorlesungsteil 04 - Training von MLPs
Vorlesungsteil 05 - Deep Learning
Vorlesungsteil 06 - Radiale Basisfunktionsnetze
Vorlesungsteil 07 - Lernende Vektorquantisierung, Selbtsoranisierende Karten
Vorlesungsteil 08 - Hopfield Netze und Boltzmann Maschinen
Die Vorlesung am 14.06. fällt aus.
Vorlesungsteil 09 - Support Vektor Maschinen
Vorlesungsteil 10 - Rekurrente Netze
Übungsblätter
Die Übungen in der Woche vom 07.05.-11.05. wird ausfallen, damit die Übungsgruppen im gleichen Rhythmus bleiben. Die PNK Übung findet trotzdem statt.
Die Übungen in der Woche vom 11.06.-15.06. fallen aus.
PNK-Übungsblätter
Zusätzliche Unterlagen
An dieser Stelle finden Sie zusätzliche Unterlagen zur Vorlesung und zu den Übungen.
Software
Die hier zur Verfügung gestellten Programme könnten zum Verständnis des Stoffs beitragen und bei der Bearbeitung der Übungsaufgaben hilfreich sein.
- Programme zur Visualisierung des Trainings von mehrschichtigen Perzeptren durch Fehlerrückpropagation: xmlp/wmlp
- Programme zur Visualisierung der lernenden Vektorquantisierung: xlvq/wlvq
- Programme zur Visualisierung des Trainings selbstorganisierender Karten: xsom/wsom
- Programme zur Visualisierung von Hopfield-Netzen als assoziativer Speicher: xhopf/whopf
References
- Computational Intelligence - A Methodological Introduction (Deutsch)
Kruse, R.; Borgelt, C.; Klawonn, F.; Moewes, C.; Steinbrecher, M.; Held, P.
Springer-Verlag London 2013, 2016
(Buch bei Springer, Buch bei amazon.de)
- Computational Intelligence - A Methodological Introduction (Englisch)
Kruse, R., Borgelt, C., Braune, C., Mostaghim, S., Steinbrecher, M.
Springer-Verlag London 2013, 2016 -
Deep Learning
Ian Goodfellow and Yoshua Bengio and Aaron Courville
MIT Press, 2016
http://www.deeplearningbook.org