GMU:Neuronale Netze - eine Einführung für Künstler: Difference between revisions

From Medien Wiki
Line 48: Line 48:
==Links==
==Links==


* [http://de.wikipedia.org/wiki/Neuronale_Netze Wikipedia Neuronale Netze]
[[GMU:Netze Linkliste]]
* [http://de.wikipedia.org/wiki/K%C3%BCnstliches_neuronales_Netz Wikipedia: Künstliche Neuronale Netze]
* [http://leenissen.dk/fann/index.php Fast artificial neuronal network library (FANN)]


[[Category:SS10]]
[[Category:SS10]]
[[Category:Matthias Weber]]
[[Category:Matthias Weber]]
[[Category:Werkmodul]]
[[Category:Werkmodul]]

Revision as of 16:04, 19 February 2010

Werkmodul
Lehrperson: Dipl. Informatiker Matthias Weber
Bewertung: 6 ECTS, 4 SWS
Termin: Block, Termin wird noch bekannt gegeben
Ort: Marienstraße 7b, Raum 204
Erster Termin: wird noch bekannt gegeben

Beschreibung

Künstliche Neuronale Netze sind der Versuch, das menschliche Gehirn programmierend nachzubilden. Es wurden verschiedene Methoden des maschinellen Lernens entwickelt, wovon einige ermöglichen, Dinge zu erkennen, die bereits vorab bekannt sind, während andere in einer Art Selbstorganisation hochdimensionales Datenmaterial neu ordnen. Es werden in diesem Umfeld u.a. folgende Arten vorgestellt: Multilagenperzeptrons, Self-organizing feature maps, rekurrente Netze und entsprechende Weiterentwicklungen. In der Vorlesung werden die notwendigen Grundlagen vermittelt, um im Übungsteil diese in praktischen Beispielen umzusetzen. Hierzu wird eine Programmierumgebung wie Processing oder PD eingesetzt, eventuell auch eine spezielle Software zur Simulation von neuronalen Netzen oder zur automatischen Klassifikation. Der Block setzt sich zusammen aus zweimal drei Tagen mit jeweils 3 Stunden Vorlesung und 2 Stunden Übung.

Das Werkmodul wird als Ergänzung zum Projekt Netze empfohlen

English description

Artificial neuronal networks are the attempt to recreate the brain's basic principle in an programming environment. Different machine learning techniques were developped. Some enable to detect results which were predifined, others can restructure high dimensional datasets to reveal patterns.

Themen

Voraussetzungen

k.A.

Anmeldung

Bewerbung mit folgenden Angaben per eMail an: xyz (at) uni-weimar.de

  • Name
  • Fachrichtung und Fachsemester
  • Matrikelnummer
  • Angabe der geltenden Prüfungsordnung
  • Gültige E-Mail-Adresse (zur Bestätigung der Anmeldung)

Sollte es mehr als 25 Bewerber geben, entscheidet die Reihenfolge der Anmeldungen über die Aufnahme in den Kurs

Leistungsnachweis

Aktive Teilnahme, Präsentation, künstlerische Prüfung, Dokumentation, Eintrag im Wiki.

Zielgruppe

z.B. Graduate (Master)-Studierende der Fakultäten Medien, Gestaltung und der Medienarchitektur

Syllabus

Termine des Semesters

  • 22.10.09

Literatur

Links

GMU:Netze Linkliste