Nummer

INFO-4210
Titel

Rekurrente und Generative Neuronale Netze
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Fortgeschrittene ANN-Themen. Zunächst eine Wiederholung von Backpropagation und Backpropagation im Laufe der Zeit; dann: Fortgeschrittene rekurrente neuronale Netze (LSTM, GRU); Very Deep Learning und generative adversarische Netze; räumliche und zeitliche Faltung; Reservoir Computing; Neuroevolution; Aufmerksamkeits- und Routing-Netze; Autoencoder und eingeschränkte Boltzmann-Maschinen; Verstärkungsfelder und Schaltnetze; Techniken zur Visualisierung des latenten Raums; generative Inferenz

Qualifikationsziele

Die Studierenden kennen generative und typischerweise rekurrente künstliche neuronale Netze und können diese in verschiedenen Bereichen anwenden, z.B. Datenklassifikation, Bilderkennung, Sprachverarbeitung, räumlich-invariante Erkennung, räumliche Transformationen und räumliche Mappings. Sie können komplexe, generative künstliche neuronale Netze sowohl von Grund auf als auch mit vorhandenen Werkzeugen anwenden. Sie wissen, wie man Gewichte und Netzstrukturen mit Hilfe des Gradientenabstiegs sowie alternativer Methoden optimiert. Sie können komplexe rekurrente Netzstrukturen einsetzen, um Aspekte der Daten selektiv zu verarbeiten. Sie wissen, wie man generative Netze als modellprädiktive neuronale Regler und auch als weitreichende zeitliche Prädiktoren einsetzt. Sie können retrospektive latente Zustands- und Motorinferenztechniken mit prospektiver Motorsteuerung kombinieren.

Vergabe von Leistungspunkten/Benotung
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Vorlesung
V
o
2
3.0
K
90
b
100
Übung
Ü
o
2
3.0
Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

Literatur / Literature:
Wird in der Veranstaltung ausgegeben (Buchkapitel und Artikel in Englisch). / Will be supplied (book chapters and papers in English).

Voraussetzungen / Prerequisites:
Vorkenntnisse in maschinellem Lernen, Künstlichen Neuronalen Netzen, Deep Learning oder Künstlicher Intelligenz sind notwenig. / Knowledge about machine learning, artificial neural networks, deep learning, or artificial intelligence is required.

Zuletzt angeboten Sommersemester 2022
Geplant für Wintersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS, ML-DIV