Neurocomputing

• Prof. Dr. W.Rehm

• Wahlvorlesung, Vertiefungsrichtung "Parallele und verteilte Systeme"
• Wintersemester
• Semesterempfehlung: 5. oder 7. Semester

• 2/2 SWS

• Mündliche Prüfung oder Teil der Komplexprüfung

• Vorgestellt werden grundlegende Prinzipien und Leistungsmerkmale typischer Neuronale-Netze-Modelle. Die Vertiefung der Kenntnisse erfolgt durch die Simulation an ausgewählten Netzmodellen mit Hilfe der NN-Simulatoren PDP und Explore-Net im Rahmen der Übung am Computer.

• Kennenlernen grundlegender Prinzipien und Leistungsmerkmale typischer Neuronale-Netze-Modelle

• Einführung Gehirn, Neuron
• Begriff des Künstlichen Neuronalen Netzes, PDP-Modelle
• Perceptron, Delta-Regel
• Pattern-Associater, Hebb-Regel
• Multi-Layer-Perceptron
• Competetive Learning
• Kohonen-Netze, Selbstorganisation
• Assoziative Matrix (Palm)
• Hopfield-/Boltzmann-Netze
• Reinforcement Learning
• Evolutionäre/Genetische Lernverfahren
• Neurocomputing-Anwendungen

• Vorlesungsergänzende Skripten werden zu Lehrveranstaltungsbeginn ausgegeben
• Praktikumsanleitungen

• D.E.Rumelhardt, J.L.McClelland
  'Parallel Distributed Processing', MIT Press, Cambridge (Mass.), Vols. 1 and 2, 1986
• A.Zell
  'Simulation neuronaler Netze', Addison-Wesley-Verlag, Bonn, 1994
• R.Rojas
  'Theorie der neuronalen Netze', Springer-Verlag, Berlin, 1993