Identification of Artificial Neural Networks: from the Analysis of one Neuron to Deep Neural Networks

Worum geht's

Du lernst mathematische Methoden zur Analyse und Identifikation von Feed-Forward-Neuronalen Netzen — vom einzelnen Neuron über flache Netzwerke bis hin zu tiefen Netzen. Der Fokus liegt auf linearer Algebra, Wahrscheinlichkeit (insbesondere Konzentrationsungleichheiten) und Optimierung, um Gewichte und Aktivierungsfunktionen effizient und robust zu bestimmen.

Was du danach kannst

• Anwendung linearer Algebra zur Netzwerkidentifikation
• Einsatz von Konzentrationsungleichheiten in probabilistischen Analysen
• Verwendung nichtlinearer Optimierungsmethoden zur Bestimmung von Gewichten
• Verständnis aktiver und passiver Sampling-Strategien
• Identifikation und Analyse von unterparametrisierten, überparametrisierten und entangled Gewichten

Aus was das Modul besteht

• VorlesungVermittlung der mathematischen Theorie und Beweistechniken; Vorstellung numerischer Experimente
• Online-Streamingwöchentliches Live-Format zur Teilnahme an Vorlesungen; Aufzeichnungen verfügbar

Lehrmethode

• Wöchentliches Online-StreamingLive-Vorlesungen und Zugriff auf Aufzeichnungen
• Handschriftliche Darstellung mit Tablet (PDF)präzise und nachvollziehbare Präsentation mathematischer Herleitungen
• FolienDarstellung und Erläuterung numerischer Experimente