Modul 63716 Künstliche Neuronale Netze

Modulinformationen

Künstliche Neuronale Netze (KNN) sind stark vereinfachte Modelle des menschlichen Gehirns. Sie bestehen analog dazu aus einer Vielzahl idealisierter künstlicher Neuronen, die über ein Netzwerk mit gewichteten Verbindungen (künstliche Synapsen) verbunden sind. Diese werden durch eine möglichst große Zahl von Musterbeispielen so angepasst,  dass sich das KNN ähnlich verhält wie sein biologisches Vorbild: Es lernt anhand der Musterbeispiele und kann danach auf neue Eingaben sinnvolle Ausgaben liefern. Ähnlich wie beim menschlichen Gehirn besitzen auch KNN die Fähigkeit, die beim Training benutzten Beispiele zu verallgemeinern.
 
Im Kurs lernen Sie die grundlegenden Netzwerkbausteine bzw. -modelle und die benötigten mathematischen Konzepte kennen. Die einzelnen Kapitel umfassen u.a. Grundlagen biologischer und künstlicher neuronaler Netze, das Perzeptron, Netzwerkmodelle für überwachtes und unüberwachtes Lernen, rekurrente und probabilistische Netzwerkmodelle sowie Optimierungsverfahren auf Basis genetischer Algorithmen.

ECTS10
Arbeitsaufwand
Bearbeiten der Kurseinheiten: 150 Stunden,
Bearbeiten der Einsendearbeiten: 75 Stunden,
Prüfungsvorbereitung: 75 Stunden
Dauer des Modulsein Semester
Häufigkeit des Modulsin jedem Sommersemester
Anmerkung
Außer guten Schulmathematik-Kenntnissen der Sekundarstufe 2 sind keine besonderen Vorkenntnisse erforderlich. Programmierkenntnisse in Python sind hilfreich.
Inhaltliche Voraussetzung
Außer guten Schulmathematik-Kenntnissen der Sekundarstufe 2 sind keine besonderen Vorkenntnisse erforderlich. Programmierkenntnisse in Python sind hilfreich.

Aktuelles Angebot

Prüfungsinformation

M.Sc. Informatik
Art der Prüfungsleistungbestandene benotete mündliche Modulprüfung
Voraussetzungkeine
Stellenwert der Note1/12
Formale Voraussetzungenkeine
M.Sc. Praktische Informatik
Art der Prüfungsleistungbestandene benotete mündliche Modulprüfung
Voraussetzungkeine
Stellenwert der Note1/8
Formale Voraussetzungenkeine

Download

Ansprechpartner

mathinf.webteam | 02.09.2019