Course descriptions winter term 2013/2014

Title Lecturer Location Time
Lectures
Artificial Neural Networks Würtz HZO 100 Fri 12:15-14:00 Begin: 18.10.2013
Machine Learning: Unsupervised Methods Wiskott NB 3/57 Tue 12:00-13:30 Begin: 15.10.2013
Computational Neuroscience: Neural Dynamics Schöner NB 3/57 Thu 14:15-16:00 Begin: 17.10.2013
Evolutionary Algorithms Glasmachers NB 3/72 Tue 10:00-12:00 Begin: 15.10.2013
Exercises for lectures
Artificial neural networks Würtz HZO 100 Wed 14:00-15:00 Begin: 23.10.2013
Machine Learning: Unsupervised Methods Wiskott NB 3/57 Tue 10:15-11:45 Begin: 22.10.2013
Computational Neuroscience: Neural Dynamics Schöner NB 3/57 Thu 16:15-17:00 Begin: 24.10.2013
Evolutionary Algorithms Glasmachers NB 3/57 Mon 12:00-14:00 Begin: 21.10.2013
Seminars
Generative and Developmental Systems Pyka GA 04/187 Thu 10:15-12:00, Begin and assignment of topics (attendance required on this day): 17.10.2013
Application of Optical Imaging Methods and Population Approaches in Visual Cortical Areas Jancke by arrangement by arrangement
Research Seminar
(For Master- and PhD-Students of the research group)
Würtz, co-workers NB 3/72 Mon 11:00-13:00 Begin: 14.10.2013
Methoden der Neuroinformatik II Schöner NB 3/57 Wed 09:30-11:15 Begin: 16.10.2013
Selected Topics in Neurocomputing: Learning Würtz, co-workers NB 3/72

Tue 16:15-18:00
Begin (assignment of topics; attendance required!): 15.10.2013

Limited number of participants! Registration starting on 01.09.2013 by email at seminar@ini.rub.de (Name, Matrikelnummer, Study course, Semester)

Kolloquium: Aktuelle Themen der Neuroinformatik Schöner, Dinse, Würtz, Jancke, Wiskott, co-workers NB 3/57 Wed 12:30-14:00 Begin: 16.10.2013
Lab exercises
Autonomous Robotics Schöner NB 02/77 1 week, full-time, 17.02.2014 - 21.02.2014, Preliminary meeting 06.02.2014, 10:15, NB 3/57
Computer Vision Houben NB 02/77 1 week, full-time, 09.02.2015 - 13.02.2015, Preliminary meeting XX.XX.2015, 10:15, NB 3/57
Methods of Psychophysics Dinse by arrangement 5 days
Intensivkurs C++ Würtz, Glasmachers, co-workers ID 03/121 (CIP)

2 weeks, full-time (10:00-18:00)

02.03.-13.03.2015 Limited number of participants! Registration starting on 12.01.2015 by email at cplusplus@ini.rub.de (Name, Matrikelnummer, Study course, Semester, planned area of application)

S-Block

Perceptual Learning
LV-NR 310749

Dinse   6 weeks

Neurophysiology of Sensory Processing
LV-NR 310549

Dinse, Jancke   6 weeks

Theory and Physiology of Neuronal Networks
LV-NR 310649

Dinse, Jancke   6 weeks
Activation dynamics in sensory brain areas Jancke, Dinse   6 weeks
Instruction for independent scientific work
Instruction for independent scientific work Schöner, Dinse, Würtz, Glasmachers, Wiskott    

 

Lectures – Winter term

Artificial Neural Networks

Würtz (2 HPW)

Certificate

  • Upon successful completion of the exercises (1 HPW)

Contents

  • This lecture presents standard algorithms and new developments of Artificial Neural Networks, their functioning, application domains, and connections to more conventional mathematical methods. Examples show the potential and limitations of the methods. Supervised as well as unsupervised learning methods are introduced.

Literature

  • Lecture notes by C. Goerick
  • C. M. Bishop, Neural Networks for Pattern Recognition, 1995 Clarendon Press, Oxford.

Machine Learning: Unsupervised Methods

  • Wiskott (2 HPW + 2 HPW exercises)

Contents

  • This course covers a variety of unsupervised methods from machine learning such as principal component analysis, independent component analysis, vector quantization, clustering, self-organizing maps, growing neural gas, Bayesian theory and graphical models. We will also briefly discuss reinforcement learning.

    Criteria for a certificate for the tutorial are an active participation, in particular presentation of selected exercises, and at least 50% in the final exam.

Language

  • This course can be given in English upon request. Course material (lecture notes and exercise sheets) will be in English in any case.

Prerequisites

  • The mathematical level of the course is mixed but generally high. The tutorial is almost entirely mathematical. Mathematics required include calculus (functions, derivatives, integrals, differential equations, ...), linear algebra (vectors, matrices, inner product, orthogonal vectors, basis systems, ...), and a bit of probability theory (probabilities, probability densities, Bayes' theorem, ...).

Literature

  • For most topics a script will be available.

 Evolutionäre Algorithmen

Glasmachers

Contents

  • Evolutionäre Algorithmen sind von Prinzipien der biologischen Evolution
    inspirierte randomisierte Such- und Optimierungsverfahren. Ziel ist die
    Nutzbarmachung des Prinzips des "Survival of the Fittest" für die Lösung
    technischer Probleme. Die so entstehenden Heuristiken zeichnen sich durch
    minimale Voraussetzungen und somit generische Anwendbarkeit sowie
    konzeptionelle Einfachheit aus und sind meist leicht zu implementieren.
    Evolutionäre Suche wird häufig zur approximativen Lösung schwieriger
    Optimierungsprobleme herangezogen, für die keine exakten
    (Polynomialzeit-)Lösungsverfah
    ren bekannt sind.

    In der Vorlesung wird zunächst ein Grundmodell eines evolutionären
    Algorithmus erarbeitet. Ausgehend von diesem Modell werden verschiedene
    Aspekte evolutionärer Optimierung auf diskreten und kontinuierlichen
    Suchräumen behandelt, so dass über die Dauer des Kurses eine systematische
    Taxonomie größtenteils modular kombinierbarer Methoden entsteht.

    Die Veranstaltung besteht aus einer zweistündigen Vorlesung, die von einer
    ebenfalls zweistündigen Übung begleitet wird.


    Zur Kurs-Homepage

Seminars

Generative and Developmental Systems

Pyka

In dem Seminar werden aktuelle Arbeiten zum Thema künstliche Entwicklung von Strukturen (insbesondere von künstlichen neuronalen Netzen) besprochen. Dabei geht es vor allem um die evolutionäre Entwicklung von Lösungen, Beschreibungssprachen, die von biologischen Kodierungen inspiriert sind (DNA, Genregulatorische Netzwerke), Prinzipien der Selbstorganisation und geeignete Fitnessfunktionen.

Jeder Teilnehmer hält einen Vortrag; die Themen werden in der ersten Sitzung am 17.10.2013 vergeben.

 

Selected Topics in Neurocomputing: Learning

Würtz, Coworkers

Certificate

  • Upon giving an oral presentation and regular attendance

Contents

  • Dieses interdisziplinäre Seminar beleuchtet das Phänomen "Lernen" von verschiedenen Standpunkten aus. Zunächst werden biologische und psychologische Grundlagen des Lernens behandelt, dann verschiedene Ansätze, um lernende Maschinen zu bauen.
  • So selbstverständlich uns die Fähigkeit des Lernens erscheint, so schwierig scheint es doch zu sein, diese Fähigkeit auch auf Maschinen übertragen zu können. Dies wird jedoch in einer zunehmend technologisierten Welt, in der die Mensch-Maschine-Kommunikation alltäglich geworden ist, mehr und mehr zum Problem. Die Aufgabe, lernfähige Machinen zu entwickeln, ist folglich eine der großen Herausforderungen der Neuroinformatik.  Im Seminar sollen Unterschiede und Gemeinsamkeiten menschlichen und maschinellen Lernens vorgestellt und diskutiert werden.  Die Vorträge sollen einen aktuellen Überblick über das Thema "Lernen" aus den Sichtweisen der verschiedenen Fachbereiche geben, ohne sich in zu tief in fachspezifischen Details zu verlieren.

 

Lab exercises

Computer Vision

Schöner, Houben (one week, full time)

Contents

The goal of the lab exercise is to introduce to the basics of digital image processing considering current examples of computer vision.
First a short overview of programming with MATLAB is given. Then the handling of digital images is learned by implementing simple operations like mirroring and tiling. In the next step basic image processing methods, e.g. histogram equalization, image filtering, edge detection or recognition of objects with defined shape, are implemented.

Detailed information: are available here

Autonomous Robotics

Schöner (one week, full time)

Contents

The practical course gives an introduction to mobile robotics with a focus on dynamical systems approaches. In the exercises, the computing environment Matlab is used to control e-puck miniature mobile robots, equipped with a differential drive, combined infrared/proximity sensors and a video camera. The course covers elementary problems in robot odometry, use of sensors and motor control. It then teaches basic dynamic methods for robot navigation, in which the robot's sensors are used for obstacle avoidance and approach to a target location.

Interested students who do not have experience in Matlab should attend the Matlab introduction of the lab exercise Computer Vision (typically the week before this course).

Contact

sebastian.schneegans@ini.rub.de

Intensivkurs C++

Würtz, Glasmachers

Contents

  • Dieses Praktikum soll Studenten, die schon Java oder eine andere imperative Sprache beherrschen, den Einstieg in die Programmierung in C++ erleichtern. Diese Sprache wird für Studienprojekte und Abschlussarbeiten in 5 Arbeitsgruppen am Institut für Neuroinformatik verwendet und ist auch für die Übungen „Künstliche Neuronale Netze“ und „Sehen in Mensch und Maschine“ erforderlich.
  • Die Konzepte werden von Mitarbeitern vorgestellt und dann an praktischen Aufgaben eingeübt. Die Themen sind grob wie folgt:
     
    Grundlagen (C/C++): Kontrollstrukturen, Typsystem, Literalkonstanten, Operationen, implizite/explizite Casts, Funktionen, Deklaration/Definition, Präprozessor, Pointer und Arrays, interne/externe Bindung, Compiler-Linker-Konzept, Speicherverwaltung
     
    Klassen in C++:  Referenzen, const-Qualifizierer, Default-Parameter, Motivation: Kapselung, Abstraktion, Polymorphie, Sichtbarkeit, Konstruktor/Destruktor, Überladen von Funktionen, Kopierkonstruktor, Zuweisungsoperator, Vererbung, Überschreiben von Funktionen, virtuelle Funktionen, abstrakte Klassen, statische/dynamische Bindung, statische Elemente/Methoden
     
    Templates: Template-Funktionen, Template-Methoden, Template-Klassen, inline, explicit inline, Spezialisierung, Ausblick: Metaprogrammierung
     
    STL, Standard Template Library: cout, cin, string, fstream, vector, list, queue
    boost:  weitere Templates und Bibliotheken
    openMP: Techniken zur Parallelverarbeitung
    pragma: smart pointers

 Übersichtsseite mit Kursmaterialien