Ruprecht-Karls-Universität Heidelberg

Neuronale Netze

Igor Fischer
Universität Tübingen

Mustererkennung:

  • Preprocessing (Skalierung, PCA)
  • Clustering (k-Means, Hierarchisches, Graf-Theoretisch)
  • Klassifizierung (Statistisch, Neuronal, Kernel-Basiert)
  • Regression (Neuronal, Kernel-Basiert)
Neuronale Netze und Support Vector Machines:
  • historischer Überblick, Motivation, Anwendungen
  • Klassifizierung, Bayes'sche Statistik
  • Perzeptrons: Architektur und Lernverfahren
  • Perzeptrons für Regression
  • Distanzbasierte Netze: LVQ, RBF
  • Netze für Clustering und Dichteschätzung
  • Hopfield-Netze
Support Vector Machines:
  • Kernel-Räume
  • Erweiterung von Perzeptrons
  • Beispiele aus unserem Lehrstuhl (Medizin, Bioinformatik, Robotik...)