260262 VO Theory of complex interconnected systems II (2007S)
Theory of complex interconnected systems: from cellular automata to neural network models
Labels
Vorbesprechung und Beginn: Mi 7.3.2007, 10:00, Sensengasse 8/18, 4. Stock, , 1090 Wien.
Auch für anwendungsinteressierte Erstsemester geeignet (keine speziellen Vorkenntnisse erforderlich)(vierzehntägig)
Teilnahme an Teil I des Wintersemesters ist nicht erforderlich!
Auch für anwendungsinteressierte Erstsemester geeignet (keine speziellen Vorkenntnisse erforderlich)(vierzehntägig)
Teilnahme an Teil I des Wintersemesters ist nicht erforderlich!
Details
Information
Aims, contents and method of the course
Assessment and permitted materials
Minimum requirements and assessment criteria
Understanding of the course
Examination topics
Corresponding to the type of the course.
Reading list
Wird am Beginn der Lehrveranstaltung vereinbart
Association in the course directory
PD250
Last modified: Fr 31.08.2018 08:55
Die Vorlesung gibt einen anwendungsbezogenen Einblick in die Programmierung und Theorie zellulärer Automaten und neuronaler Netze sowie zahlreiche Anwendungsmöglichkeiten für die mathematische Modellierung biologischer, physikalischer und ökonomischer Prozesse.
I. Mustererzeugung, -erkennung und -vervollständigung: Musterzeugung durch zelluläre Automaten. Speicherung und Abruf von Informationen in einem neuronalen Netzwerk. Die Mustererkennung und Vervollständigung ist für viele Intelligenzleistungen grundlegend und zählt zu den vorrangigen Forschungszielen auf dem Gebiet der künstlichen Intelligenz.
II. Selbstregulierende vernetzte Systeme: Modellierung biologischer Systeme auf der Grenze zwischen Ordnung und Chaos. Phasenübergänge und spontane Neigung zur Selbstorganisation dokumentiert am Beispiel eines genetischen Modellsystems für Zelldifferenzierung.
III. Kommerzielle Anwendungen: Evolutionäre Ökonomie: Mathematische Modelle für die nicht-lineare dynamische Beschreibung von Wirtschaftsmärkten als wechselwirkendes vernetztes System. Analogien zur Biologie und genetische Algorithmen.
IV. Bildverarbeitung und Computertomographie: Die 3-dimensionale Bildrekonstruktion von Projektionsdaten ist vor allem aufgrund unvermeidbarer Meßungenauigkeiten und des hohen Datenanfalls ein schlecht konditioniertes Inversionsproblem, welches heutzutage mit Hilfe neuronaler Netzwerktechnik erfolgreich angegangen wird.