250144 VO Neural Network Theory (2019W)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Englisch
Prüfungstermine
Donnerstag
13.02.2020
Donnerstag
27.02.2020
Montag
02.03.2020
Freitag
15.05.2020
Freitag
24.07.2020
Mittwoch
20.01.2021
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
07.10.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
14.10.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
21.10.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
28.10.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
04.11.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
11.11.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
18.11.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
25.11.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
02.12.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
09.12.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
16.12.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
13.01.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
20.01.
13:15 - 14:45
Seminarraum 7 Oskar-Morgenstern-Platz 1 2.Stock
Montag
27.01.
13:15 - 14:45
Seminarraum 7 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 developed during the semester.This class will _not_ discuss algorithms to train deep neural networks for various specific applications.
Art der Leistungskontrolle und erlaubte Hilfsmittel
There will be an 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 )
The lecture notes (http://pc-petersen.eu/Neural_Network_Theory.pdf )
Zuordnung im Vorlesungsverzeichnis
MAMV; MSTV;
Letzte Änderung: Do 11.02.2021 00:25