Universität Wien FIND

Auf Grund der COVID-19 Pandemie kann es bei Lehrveranstaltungen und Prüfungen auch kurzfristig zu Änderungen kommen. Informieren Sie sich laufend in u:find und checken Sie regelmäßig Ihre E-Mails. Bei Lehrveranstaltungen und Prüfungen gilt Anmeldepflicht, vor Ort gelten FFP2-Pflicht und 2,5G.

Lesen Sie bitte die Informationen auf studieren.univie.ac.at/info.

250106 VO Neural Network Theory (2021W)

3.00 ECTS (2.00 SWS), SPL 25 - Mathematik
GEMISCHT

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

Sprache: Englisch

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 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,1999

The lecture notes (http://pc-petersen.eu/Neural_Network_Theory.pdf )

Zuordnung im Vorlesungsverzeichnis

MAMV; MSTV

Letzte Änderung: Di 05.10.2021 17:29