Course descriptions winter term 2011/2012

Title Lecturer Location Time
Lectures
Artificial Neural Networks Würtz HZO 100 Fri 12.15-14.00 Begin: 21.10.2011
Computational Neuroscience: Neural Dynamics Schöner NB 3/57 Thu 14.15-16.00 Begin: 13.10.2011
Machine Learning: Basic Course Wiskott Nb 3/57 Tue 12.00-13.30 Begin:11.10.2011
Exercises for lectures
Artificial neural networks Würtz HZO 100 1 HPW, Wed 14.00-15.00 Begin:26.10.2011
Machine Learning: Basic Course Wiskott NB 3/57 2 HPW, Tue 10.15-11.45 Begin:18.10.2011
Computational Neuroscience: Neural Dynamics
 Schöner, co-workers NB 3/57 Thu 16.15-17:00 Begin: 20.10.2011
Seminars
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: 17.10.2011
Methoden der Neuroinformatik II Schöner NB 3/57 Wed 09.30-11.15 Begin: 12.10.2011
Selected Topics in Neurocomputing: Learning Würtz, co-workers NB 3/72 Tue 16.15-18.00
Begin (assignment of topics): 18.10.2011
Lab exercises
Autonomous Robotics Schöner NB 02/77 1 week, full-time, 13.02.2012 - 17.02.2012, Preliminary meeting 02.02.2012, 10:15, NB 3/57
Computer Vision Schöner, Winter NB 02/77 1 week, full-time, 06.02.2012 - 10.02.2012, Preliminary meeting 02.02.2012, 10:15, NB 3/57
Methods of Psychophysics Dinse   5 days
Introduction to C++ Würtz, Glasmachers, co-workers ID 03/121 (CIP)

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

19.03.-30.03.2012
S-Block
Perceptual Learning
Die Veranstaltung wird von Vorlesung und Seminar begleitet.		 Dinse ND 04/172 6 weeks
Neurophysiology of Sensory Processing
Die Veranstaltung wird von Vorlesung und Seminar begleitet.		 Dinse, Jancke   6 weeks
Theory and Physiology of Neuronal Networks
Die Veranstaltung wird von Vorlesung und Seminar begleitet.		 Dinse, Jancke   6 weeks
Instruction for independent scientific work
Instruction for independent scientific work Schöner, Dinse, Würtz, Igel, 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: Basic Course

  • Wiskott (2 HPW + 2 HPW exercises)

Contents

  • This course covers a variety of methods from machine learning such as principal component analysis, clustering, vector quantization, self-organizing maps, independent component analysis, Bayesian theory and graphical models, linear regression, backpropagation of error, generalization, and support vector machines.

Language

  • The course will be given in English upon request.

Prerequisites

  • Good command of linear algebra and calculus.

Literature

  • For most topics a script will be available.

Seminars

Selected Topics in Neurocomputing: Learning

Würtz, Coworkers (winter term 2005/2006, 2 HPW)

Certificate

  • Upon giving an oral presentation and regular attendance

Contents

  • 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, Winter (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

Methods of Pyschophysics

Dinse

Contents

  • See German page

Introduction to 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

 

S-Block

Neurophysiology of Sensory Processing

Dinse, Kreikemeier (each term, advanced lab exercise)

Contents

  • See German page

Theory and Physiology of Neuronal Networks

Dinse (advanced lab exercise)

Contents

  • See German page

Perzeptuelles Lernen

Dinse, Kalisch

Contents

  • See German page