Lernende Systeme - Vorlesung (WS 97/98)

Dr. Gustavo Deco

Bereich: Sonstige Prüfbare Vorlesung im Gebiet Algorithmen des bereichs Informatik III

Zeit: Dienstag 8.30-10.00

Ort: N-1095

Beginn: 4/11/97

Inhalt:

  1. Der Kernpunkt der Vorlesung besteht darin, mittels neuronaler und informationsdynamischer Methoden statistische Strukturen, die den Daten zugrundeliegen, sowohl nichtparametrisch zu detektieren und zu charakterisieren als auch parametrisch zu modellieren. Zwei Formulierungen des Problems der Extrahierung der nichtlinearen statistischen Korrelationen in Daten werden präsentiert. Die erste Formulierung besteht in einem neuronalen Lernverfahren, das durch das biologische Prinzip der Redundanzminimierung Abhängigkeiten in den Daten modelliert. Diese Formulierung zeigt auch die Dualität zwischen unüberwachtem und Überwachtem Lernen. Die zweite Formulierung charakterisiert und klassifiziert verschiedene Dynamiken durch die Theorie der Hypothesen-Tests. Durch die Analyse des Informationsflusses werden die zugrundeliegenden Dynamiken (deterministisch, chaotisch oder Markov) charakterisiert, sodass diese Information als Vorkenntnis in die neuronale Modellierung einfliessen kann. Es werden auch neurobiologisch orientierte Modelle von Netzwerken gepulster Neuronen präsentiert und in Hinblick auf die Phänomene neuronaler Oszillationen und Binding analysiert. Es werden Anwendungen auf industrierelevante Daten ausführlich analysiert und diskutiert, wie z. B. Medizinische Zeitreihen-Analyse, Finanzprognose, Modellierung physikalischer, dynamischer Systeme und Sprachverarbeitung.
Hörerkreis: Studenten des Hauptstudiums der Informatik oder Physik.

Voraussetzungen: keine

Empfehlenswert für: KI, Ingenieuranwendungen, Medizininformatik, Neuroinformatik, theoretische Informatik.

Ohne Schein, Ohne Übungen

Literatur: (begleitende Literatur, kein Ersatz zum Besuch der Vorlesung)

Sprechstunde: Nach Vereinbarung und nach der Vorlesung.


Zurück zu den Lehrveranstaltungen am Lehrstuhl Brauer