250106 VO Neural Network Theory (2021W)
Labels
GEMISCHT
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Englisch
Prüfungstermine
Montag
07.02.2022
Dienstag
08.02.2022
Mittwoch
09.02.2022
Donnerstag
10.02.2022
Freitag
11.02.2022
Montag
28.02.2022
Dienstag
01.03.2022
Donnerstag
03.03.2022
Freitag
04.03.2022
Montag
07.03.2022
Dienstag
08.03.2022
Mittwoch
27.04.2022
Montag
18.07.2022
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
04.10.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
11.10.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
18.10.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
25.10.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
08.11.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
15.11.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
22.11.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
29.11.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
06.12.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
13.12.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
10.01.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
17.01.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
24.01.
16:45 - 18:15
Seminarraum 10 Oskar-Morgenstern-Platz 1 2.Stock
Montag
31.01.
16:45 - 18:15
Seminarraum 10 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 supplied.This class will _not_ discuss algorithms to train deep neural networks for various specific applications.
Art der Leistungskontrolle und erlaubte Hilfsmittel
There will be a written or 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,1999The lecture notes (http://pc-petersen.eu/Neural_Network_Theory.pdf )
Zuordnung im Vorlesungsverzeichnis
MAMV; MSTV
Letzte Änderung: Mo 25.07.2022 13:28