Lecture: Neural Networks / Neuronale Netzwerke

News/Aktuelles

• For this course we use STINE and Moodle - further information and material will be made available there.
• First registration period/Erste Anmeldephase (STiNE): 22.02.21 09:00h - 11.03.21 13:00h

Information/Allgemeine Informationen
LV-Nummer:	64-416
Lecturer:	Prof. Stefan Wermter
Period:	Thu/Do 10-12
Room:	digital
Credit Hours	2 SWS
Language:	English with english material
Module:	InfM-NI2, InfM-NN, IAF-NI2, MV-ISR2-WV2, InfM-WV2

Contents/Inhalte

Neural networks in the brain are the important basis for all behavior and knowledge processing in humans. They produce not only an impressive range of neurocognitive behavior but also an impressive system performance based on computational neural networks. How is this possible and what can we learn from the brain for the development of neural learning and robust computer science systems? This lecture addresses this current and exciting question and provides a comprehensive overview of different computational neural networks and their use and integration into hybrid neural symbolic knowledge-processing systems.
Indicative topics include:

• Neural architectures
• Deep Learning
• Midbrain / cortical architectures
• Neuroscience-inspired robotics
• Neural multimodal integration
• Integration of symbolic, neural or statistical approaches

Neuronale Netzwerke im Gehirn sind die wichtigste natürliche Basis für die Verarbeitung von Wissen beim Menschen. Neuronale Netzwerke ermöglichen nicht nur eine beeindruckende Vielfalt von neurokognitivem Verhalten sondern auch eine beindruckende Systemperformanz basierend auf neuronalen Computermodellen. Wie ist dies möglich und was können wir von neuronalen Netzwerken lernen für die Entwicklung von innovativen lernenden und robusten Informatiksystemen. Diese Vorlesung behandelt diese aktuelle und spannende Fragestellung und liefert einen umfassenden Einblick in künstliche neuronale Netzwerke und deren Verwendung und Integration in hybride neuronale/symbolische wissensbasierte Systeme./em>
Indikative Themen sind:

• Neuronale Architekturen
• Deep Learning
• Subkortikale und Kortikale Architekturen
• Neuro-inspirierte Robotik
• Multimodale neuronale Integration
• Integration von symbolischen, neuronalen und statistischen Ansätzen

Objective/Lernziel

A deeper understanding of artificial neural networks and their integration into computer science system architectures.

Ein vertieftes Verständnis künstlicher neuronaler Netzwerke und deren Integration in Informatikarchitekturen.

Procedure/Vorgehen

Lecture with discussions complemented with the associated seminar. As an additional option we can offer access to a neural simulator or a new sophisticated robot simulator in our lab.

Vorlesung mit Diskussionen ergänzt durch das integrierte Seminar. Optional können wir zusätzlich eine neuronale Simulationsumgebung oder eine neue Robotersimulationsumgebung zur Verfügung stellen.

Literature/Literatur

• Haykin S. Neural networks and learning machines. Prentice Hall, 2008.
• Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016.
• Wermter S., Sun R. Hybrid Neural Systems. Springer Verlag, Heidelberg, 2000. Online accessible

Hints for the examination/Prüfungshinweise

Binding requirement: Lecture and seminar Neural Networks can be selected exclusively either as module InfM-NN or as part of the module Integrated Application Subject Neuro-Informatics (IAF NI).

Verbindliche Vorrausetzung: Vorlesung und Seminar Neural Networks können entweder als Modul InfM-NN oder als Teil des Moduls Integriertes Anwendungsfach Neuroinformatik gewählt werden (Doppelverwendung nicht möglich).

Material

All additional Material can be found in STiNE and Moodle.