Technische Universität Ilmenau

Angewandte Neuroinformatik - Modultafeln der TU Ilmenau

Die Modultafeln sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.

Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).

Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.

Informationen und Handreichungen zur Pflege von Modulbeschreibungen durch die Modulverantwortlichen finden Sie unter Modulpflege.

Hinweise zu fehlenden oder fehlerhaften Modulbeschreibungen senden Sie bitte direkt an modulkatalog@tu-ilmenau.de.

Modulinformationen zu Modulnummer 200084 - allgemeine Informationen
Modulnummer200084
FakultätFakultät für Informatik und Automatisierung
Fachgebietsnummer2233 (Neuroinformatik und Kognitive Robotik)
Modulverantwortliche(r)Prof. Dr. Horst-Michael Groß
SpracheDeutsch
TurnusSommersemester
Vorkenntnisse

Python-Kentnisse; Besuch des Pflichtmoduls "Neuroinformatik und Maschinelles Lernen" und des Wahlpflichtmoduls "Deep Learning für Computer Vision" 

Lernergebnisse und erworbene Kompetenzen

In Weiterführung des Moduls "Neuroinformatik und Maschinelles Lernen" haben die Studierenden hier System- und Fachkompetenzen für die Anwendung von Methoden der Neuroinformatik in anspruchsvollen Anwendungsfeldern der Signalverarbeitung, Mustererkennung, Bildverarbeitung und dem Maschinellen Lernen erworben. Sie verfügen über Kenntnisse zur Strukturierung von Problemlösungen unter Einsatz von neuronalen und probabilistischen Techniken in anwendungsnahen, konkreten Projekten. Die Studierenden sind in der Lage, praktische Fragestellungen zu analysieren, durch Anwendung des behandelten Methodenspektrums Lösungskonzepte zu entwerfen und diese umzusetzen sowie bestehende Lösungen zu bewerten und ggf. zu erweitern. Sie haben Kenntnisse zu verfahrensorientiertem Wissen erworben, indem für praktische Klassifikations- und Approximationsprobleme verschiedene neuronale und statistische Lösungsansätze vergleichend behandelt und anhand von konkreten Anwendungen demonstriert wurden.

Nach Abschluss der Lernform "Übung" in Verbindung mit der selbständigen Implementierung einer Python-Anwendung (Teilleistung 2) beherrschen die Studierenden grundlegende mathematische Berechnungen und Zusammenhänge. Nach intensiven Diskussionen während der Übungen und zur Auswertung der Python-Implementierung können die Studierenden Leistungen ihrer Mitkommilitonen richtig einschätzen und würdigen. Sie berücksichtigen Kritik, beherzigen Anmerkungen und nehmen Hinweise an.

Inhalt

Weiterführung und Vertiefung des Moduls "Neuroinformatik und Maschinelles Lernen"  durch Ergänzung der Grundlagen um applikationsspezifisches Wissen. Das Modul vermittelt sowohl Faktenwissen als auch begriffliches, methodisches und algorithmisches  Wissen aus den folgenden Kernbereichen:

  • Prinzipielle Vorgehensweise am Beispiel  eines Mustererkennungsproblems
  • Dimensionsreduktion und Datendekorrelation mittels Hauptkomponentenanalyse (PCA)
  • Quellenseparierung mittels Independent Component Analysis (ICA)
  • Überwachte Dimensionsreduktion mittels Linearer Diskriminanzanalyse (LDA)
  • Merkmalsauswahl mittels Signifikanzanalyse: Filter-, Wrapper- und Embedded-Techniken
  • Typische Netzwerkein- und Ausgabekodierungen
  • Techniken zur Informationsfusion sowie Ensemble Learning
  • Boosting-Techniken für leistungsfähige Klassifikatoren
  • Techniken zur Repräsentation zeitlicher Signale
  • Bewertung der Leistungsfähigkeit von Klassifikatoren mit geeigneten Gütemaßen
  • Entwicklung von Systemlösungen mit Neuronalen Netzen
  • Exemplarische Anwendungsbeispiele und Implementierungen aus den Bereichen biomedizinischen Datenanalyse, Mustererkennung, Bildverarbeitung, Robotik und Mensch-Maschine-Interaktion.

Zur Vertiefung des behandelten Stoffs wird die konkrete algorithmische Umsetzung wichtiger Verfahren in der Programmiersprache Python vermittelt (Teilleistung 2).

 

 

Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, studentische Demo-Programme, e-Learning mittels "Jupyter Notebook", Moodle-Kurs

Literatur

- Duda, R. O., Hart, P. E., Stork, D. G.: Pattern Classification, 2nd ed., Wiley Interscience, 2000

- Sammut, C., Webb, G. I.: Enceclopedia of Machine Learning, Springer, 2006

- Zell, A.: Simulation Neuronaler Netzwerke, Addison-Wesley 1997

- Bishop, Ch.: Pattern Recognition and Machine Learning, Springer 2006

- Alpaydin, Ethem: Maschinelles Lernen, Oldenbourg Verlag 2008

- Murphy, K. : Machine Learning - A Probabilistic Perspective, MIT Press 2012

- Hyvärinen, A., Karhunen, J. Oja, E.: Independent Component Analysis. Wiley & Sons, 2001

- Guyon, I., Gunn, S., Nikravesh, M., Zadeh, L.: Feature Extraction: Foundations and Applications, Studies in fuzziness and soft computing 207, Springer, 2006

- Maltoni, D., et al.: Biometric Fusion, Handbook of Fingerprint Recognition, Kapitel 7, Springer, 2009

- Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, New York, Springer, 2001

- Goodfellow, I. et al.: Deep Learning, MIT Press 2016

Lehrevaluation
Spezifik Referenzmodul
ModulnameAngewandte Neuroinformatik
Prüfungsnummer220454
Leistungspunkte5
SWS4 (2 V, 2 Ü, 0 P)
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungPflichtmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Angewandte Neuroinformatik mit der Prüfungsnummer 220454 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200741)
  • alternative semesterbegleitende Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200742)


Details zum Abschluss Teilleistung 2:

eigene Python-Implementierungen von vorgegebenen Algorithmen und Übungsaufgaben

Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl
Spezifik im Studiengang Bachelor Ingenieurinformatik 2013, Bachelor Informatik 2013, Bachelor Biomedizinische Technik 2014, Master Medientechnologie 2017, Bachelor Informatik 2021, Bachelor Biomedizinische Technik 2021
ModulnameAngewandte Neuroinformatik
Prüfungsnummer220454
Leistungspunkte5
Präsenzstudium (h)45
Selbststudium (h)105
VerpflichtungWahlmodul
AbschlussPrüfungsleistung mit mehreren Teilleistungen
Details zum AbschlussDas Modul Angewandte Neuroinformatik mit der Prüfungsnummer 220454 schließt mit folgenden Leistungen ab:
  • schriftliche Prüfungsleistung über 90 Minuten mit einer Wichtung von 100% (Prüfungsnummer: 2200741)
  • alternative semesterbegleitende Studienleistung mit einer Wichtung von 0% (Prüfungsnummer: 2200742)


Details zum Abschluss Teilleistung 2:

eigene Python-Implementierungen von vorgegebenen Algorithmen und Übungsaufgaben

Anmeldemodalitäten für alternative PL oder SL
max. Teilnehmerzahl