Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

250144 VO Neural Network Theory (2019W)

3.00 ECTS (2.00 SWS), SPL 25 - Mathematik

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Englisch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Montag 07.10. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 14.10. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 21.10. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 28.10. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 04.11. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 11.11. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 18.11. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 25.11. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 02.12. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 09.12. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 16.12. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 13.01. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 20.01. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
  • Montag 27.01. 13:15 - 14:45 Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Deep neural networks form the backbone of most modern machine learning algorithms. Additionally, neural networks are mathematical objects that can be theoretically analysed to obtain profound insights explaining many phenomena that are observed in applications. In this lecture series, we present a comprehensive collection of such results.

Lecture notes will be developed during the semester.

This class will _not_ discuss algorithms to train deep neural networks for various specific applications.

Art der Leistungskontrolle und erlaubte Hilfsmittel

There will be an oral exam at the end of the semester.

Mindestanforderungen und Beurteilungsmaßstab

The lecture can be followed best with a working knowledge of basic concepts of functional analysis and Fourier analysis.

Prüfungsstoff

Everything covered in the course.

Literatur

Peter L. Bartlett, Martin Anthony, Neural Network Learning: Theoretical Foundations, Cambridge University Press,1999
The lecture notes (http://pc-petersen.eu/Neural_Network_Theory.pdf )

Zuordnung im Vorlesungsverzeichnis

MAMV; MSTV;

Letzte Änderung: Do 11.02.2021 00:25