 |
|
 |
|
|
Statistische und Neuronale Lernverfahren
|
|
|
|
|
 |
|
|
held by: |
PD Dr. Martin Stetter
|
|
|
|
held in: |
WS 2005/2006
|
|
|
|
sws: |
2
|
|
|
|
Diese Veranstltung behandelt neuronale Lernverfahren und ihre Einbettung in statistische Methoden der Dichteschaetzung und Funktionsapproximation. Am Anfang steht die Motivation neuronaler Netze und maschineller Lernverfahren sowohl aus dem biologischen als auch dem statistischen Kontext heraus sowie ihre Klassifikation unter Einfuehrung von Grundbegriffen. Danach werden einige wichtige ueberwachte Lernverfahren (Perceptron, das Multilagen-Percepron, Kern-Trick-Erweiterungen, Entfaltungstechniken, "Bayes-Belief Netze", Strukturlernen) behandelt. Diese Themen komplementieren die in der Veranstaltung "Clusteranalyse" besprochenen unueberwachten Lernverfahren, die oft im Kontext des Data- Mining zur Anwendung kommen. |
|
|
|
more information: |
http://archive.model.in.tum.de/um/courses/neuro/WS0506/index.shtml
|
|
|
|
downloadable material:
|
|
|
|
slides
|
|
title / description
|
download
|
|
Slides 1. Vorlesung
1,4 MB
|
click here...
|
|
|
Slides 2. Vorlesung
1,9 MB
|
click here...
|
|
|
Slides 3. Vorlesung
3,2 MB
|
click here...
|
|
|
Slides 4. Vorlesung
2,8 MB
|
click here...
|
|
|
Slides 5. Vorlesung
1,9 MB
|
click here...
|
|
|
Slides 6. Vorlesung
1,6 MB
|
click here...
|
|
|
Slides 7. Vorlesung
2,8 MB
|
click here...
|
|
|
Slides 8. Vorlesung
2,2 MB
|
click here...
|
|
|
Slides 9. Vorlesung
2,7 MB
|
click here...
|
|
|
 |
|
|
 |
Contact
Teaching
