Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
050105 VU Einführung in die Neuroinformatik (2018W)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Sa 08.09.2018 09:00 bis So 23.09.2018 23:59
- Abmeldung bis So 14.10.2018 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine
MO wtl von 29.10.2018 bis 28.01.2019 10.30-13.30 Ort: Seminarraum AID, CeMSIIS, Währinger Str. 25a, EG1 04., 1090 Wien
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
3 Übungen (60 Punkte)
1 Test ( 40 Punkte), ohne Unterlagen
Anwesenheit: 20 Punkte
1 Test ( 40 Punkte), ohne Unterlagen
Anwesenheit: 20 Punkte
Mindestanforderungen und Beurteilungsmaßstab
mindestens 50% aus Übungen+Test
Prüfungsstoff
Vorlesungsfolien + 3 Artikel:Elman, J. L. (1991). Distributed representations, simple recurrent networks, and grammatical structure. Machine Learning, 7, 195-224.Gerstner W.: Spiking Neurons, in Maass W., Bishop C. (eds.): Pulsed Neural Networks, MIT Press, 1999.Hinton G.E., McClelland J.L., Rumelhart D.E.: Distributed Representations, in Rumelhart D.E. and McClelland J.L., Parallel Distributed Processing, Explorations in the Microstructure of Cognition, Vol 1: Foundations, MIT Press, Cambridge/Boston/London, 1986.
Literatur
Eliasmith C., Anderson C.H.: Neural engineering, MIT Press 2003.Maass W., Bishop C.M.: Pulsed Neural Networks, MIT Press 1998.Churchland P.S., Sejnowski T.J.: The Computational Brain, MIT Press, 1992.Rojas R.: Theorie der neuronalen Netze, Springer, Berlin/Heidelberg/New York/Tokyo, 1993Elman J.L., Bates E.A., Johnson M.H., Karmiloff-Smith A., Parisi D., Plunkett K.: Rethinking Innateness, MIT Press/Bradford Books, Cambridge/London, 1996.
Zuordnung im Vorlesungsverzeichnis
Module: BIO BNI
Letzte Änderung: So 28.10.2018 19:47
Überblick Neuroinformatik/neuronale Modelle
McCulloch-Pitts Neuronen, Perceptrons, Mehrebenenperceptrons
Verteilte Repräsentationen
Lernen
Unüberwachtes Lernen, Selbstorganisierende Karten, adaptive resonance theory
Rückgekoppelte Netze, Assoziative Speicher, dynamische Modelle
Spike-response Modelle
Compartmental Models
Cognitve Neuroscience, EEG-Analyse, Brain-Computer-Interfacessiehe auch http://www.meduniwien.ac.at/user/georg.dorffner/lv/neuroinf.html