TU Chemnitz: Fak. für Informatik: Professur Künstliche Intelligenz
Forschungsseminar
Das Forschungsseminar ist eine Veranstaltung, die sich an interessierte Studenten des Hauptstudiums richtet. Andere Interessenten sind jedoch jederzeit herzlich willkommen!
Die vortragenden Studenten und Mitarbeiter der Professur KI stellen aktuelle forschungsorientierte Themen vor. Vorträge werden in der Regel in Englisch gehalten. Das Seminar findet unregelmäßig Donnerstag um 13:45 Uhr im Raum 336 statt.
Den genauen Termin einzelner Veranstaltungen entnehmen Sie bitte den Ankündigungen auf dieser Seite.
Informationen für Diplom- und Masterstudenten
Die im Studium enthaltenen Seminarvorträge (das "Hauptseminar" im Studiengang Diplom-IF/AIF bzw. das "Forschungsseminar" im Master) können ebenso im Rahmen dieser Veranstaltung durchgeführt werden. Beide Lehrveranstaltungen (Diplom-Hauptseminar und Master-Forschungsseminar) haben das Ziel, dass die Teilnehmer selbststängig forschungsrelevantes Wissen erarbeiten und es anschließend im Rahmen eines Vortrages präsentieren. Thematisch behandeln die Seminare das Gebiet der Künstlichen Intelligenz, wobei der Schwerpunkt auf Objekterkennung, Neurocomputing auf Grafikkarten und Multi-Core Rechnern, Reinforcement Lernen, sowie intelligente Agenten in Virtueller Realität liegt. Andere Themenvorschläge sind aber ebenso herzlich willkommen!Das Seminar wird nach individueller Absprache durchgeführt. Interessierte Studenten können unverbindlich Prof. Hamker kontaktieren, wenn sie wenn sie ein Interesse haben, bei uns eine der beiden Seminarveranstaltungen abzulegen.
Vergangene Veranstaltungen
Runtime optimal partitioning of neural networks (Bachelor-Verteidigung).Falko Thomale Wed, 8. 2. 2012, Room 1/368a This bachelor thesis investigates the parallel execution of the neural network simulator ANNarchy with the help of the OpenMP API and taking advantages of the NUMA architecture of modern computers. The NUMA architecture allows a faster access to the memory by splitting the memory for simulation into multiple partitions and let each partition run on a separate NUMA node. The modifications are tested with random neural networks and two networks with practical importance and the test results of memory placement improvements are shown and discussed. |
Computational Modelling of the Oculomotor System.Abbas Al Ali Thu, 19. 1. 2012, Room 1/336 Previous works of our group have come out with a series of models describing the crucial role of the basal ganglia (BG) in learning rewarded tasks. BG are shown to be a central part of many cortico-BG-thalamo-cortical loops, such as the visual working memory loop and the motor loop, within which Dopamine is the reward-related learning modulator. BG are also known to play a role in controlling purposive rapid eye movements (saccades). Saccades are driven by the superior colliculus (SC) in the brain stem which has connections from many visual related cortical areas as well as from BG. We want to transfer knowledge gained by previous models and integrate it in a distributed oculomotor system that contains a BG-model, the frontal eye field, SC and some other cortical areas in oder to investigate the emergent behaviour in learning rewarded reactive and goal-guided saccadic eye movement tasks. |
Schnelle GPGPU-basierte Simulation Neuronaler Netze (Master-Verteidigung)Helge Ülo Dinkelbach Thu, 15. 12. 2011, Room 1/336 Simulationen im Bereich Computational Neuroscience haben eine hohe Laufzeit, sind aber gleichzeitig gut parallelisierbar. Moderne Grafikkarten verfügen über eine sehr hohe Anzahl an Rechenkernen, die für die Ausführung paralleler Programme zur Verfügung stehen. In der Präsentation wird die Beschleunigung des an der Professur entwickleten Neurosimulator vorgestellt, wobei als Ansätze CUDA undObjektorientierung genutzt wurden. |
Computational Model for Learning Features in Area V2Norbert Freier Thu, 8. 12. 2011, Room 1/336 Computer vision is often used for object recognition. But it can not handle every situation. The brain of primates outperforms every available method. Future algorithms may will reproduce the techniques of the brain. Therefore it is necessary to know how the visual system works. As result of this Studienarbei a computational model of area V2 will be presented in comparison to cell recordings and other related work. |
Laufzeitoptimale Aufteilung neuronaler Netze.Falko Thomale Thu, 24. 11. 2011, Room 1/336 Die Simulation großer neuronaler Netze benötigt viel Rechenleistung. Der an der Professur entwickelte Neurosimulator ANNarchy nutzt bereits OpenMP für eine parallelisierte Ausführung auf Multicore-Systemen. In diesem Vortrag möchte ich dieses Vorgehen näher betrachten und eine mögliche Verbesserung der Parallelisierung darstellen, indem das zu simulierende neuronale Netz optimal auf die Recheneinheiten verteilt wird. |
NNSpace - Eine generische Infrastruktur für neuronale NetzeWinfried Lötzsch Thu, 17. 11. 2011, Room 1/336 Um moderne neuronale Netze effizient zu nutzen, sind oft komplexe Aufbauprozesse basierend auf mehreren Algorithmen und Netzstrukturen erforderlich. Eine automatisierte Generierung dieser Netze ohne Programmieraufwand war bisher nur in bestimmten Spezialfällen möglich. Die Infrastruktur NNSpace erreicht durch die Möglichkeit neuronale Netze zu kombinieren, dass viele Anwendungsfälle aus Standardbausteinen zusammengesetzt werden können. Außerdem könnte jene Kombination die Leistung und generelle Anwendbarkeit neuronaler Netze steigern. Der Vortrag stellt die Infrastruktur an einem Beispiel vor und geht auf ihre interne Funktionsweise ein. |
Entwicklung eines kognitiv-emotionalen Interaktionsmodells der Amygdala und des Hypothalamus.Martina Truschzinski Thu, 27. 10. 2011, Room 336 Emotionen sind wichtige Bestandteile des menschlichen Bewusstseins und liefern einen wesentlichen Beitrag zur Effizienz und Leistungsfähigkeit des Gehirns. Sie beeinflussen sowohl kognitive Prozesse, wie die Wahrnehmung, die Lernfähigkeit und subjektive Bewertungen, als auch Reaktionsmechanismen, die auf Grundlage dieser kognitiven Prozesse generiert wurden. Ausgehend vom MOTIVATOR-Modell (Dranias, Gross- berg und Bullock, 2008) wird ein kognitiv-emotionales Modell auf neuen neuroanatomischen und physiologischen Erkenntnissen vorgestellt. Der Fokus liegt auf der Interaktion zwischen den Gehirnarealen der Amygdala und dem Hypothalamus. |
Alterations in basal ganglia pathways impair stimulus-response learning in Parkinson's Disease: A computational model.Henning Schroll Thu, 13. 10. 2011, Room 336 I present a computational model of how basal ganglia pathways contribute stimulus-response learning. When introducing Parkinsonian lesions to this model, an imbalance in the activities of basal ganglia pathways arises and causes learning deficits typical for Parkinsonian patients. |
