|
|
| Modulbezeichnung (engl.):
Neural and Cognitive Systems |
|
| Code: BMT1825 |
|
|
3V+2P (5 Semesterwochenstunden) |
|
6 |
| Studiensemester: nicht spezifiziert |
| Pflichtfach: ja |
Arbeitssprache:
Deutsch |
Prüfungsart:
Projektarbeit (50%), mündliche Prüfung (50%)
[letzte Änderung 10.11.2013]
|
BMT1825 (P213-0115, P213-0116) Biomedizinische Technik, Master, ASPO 01.04.2014
, Pflichtfach
geeignet für Austauschstudenten mit learning agreement
|
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 75 Veranstaltungsstunden (= 56.25 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 123.75 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
BMT1924 Klinische Neurophysiologie
[letzte Änderung 10.11.2013]
|
Modulverantwortung:
Prof. Dr. Dr. Daniel Strauß |
Dozent/innen:
Prof. Dr. Dr. Daniel Strauß
[letzte Änderung 10.11.2013]
|
Lernziele:
Die Studierenden haben Einblicke in die Abbildung und Imitation von Hirnfunktionen und neuronaler Verarbeitung durch computerbasierte bzw. mathematische Modelle erhalten. Sie kennen sowohl die erforderlichen Grundlagen der Neurobiologie als auch eine Reihe von Methoden aus dem Bereich der Neuroinformatik, Neuro-Systeme, des maschinellen Lernens, der kognitiven Psychologie und der Lerntheorie. Sie sind befähigt, neuronale und kognitive Systeme durch Modelle abzubilden. Die Studierenden besitzen damit das theoretische Fundament für viele weitere Veranstaltungen in der Vertiefung "Neural Engineering".
[letzte Änderung 10.11.2013]
|
Inhalt:
1. Einführung
1.1 Quantitative Ansätze in den Neurowissenschaften
1.2 Historischer Überblick
PART I: Biologische neuronale & kognitive Systeme
2. Grundlagen der Neurophysiologie
2.1 Neurophysik
2.2 Hodgkin-Huxley Modell
2.3 Morphologie verschiedener Neuronen
2.4 Chemische und elektrische Synapsen
2.5 Synaptische Plastizität
3. Sensorische und kognitive Verarbeitung
3.1 Exogene und endogene Verarbeitung
3.2 Grundlagen der Gestaltpsychologie
3.3 Aufmerksamkeit und kognitive Anstrengung
3.4 Neuronale Schaltkreise der Aufmerksamkeit
3.5 Aversive Reizverarbeitung
3.6 Unimodale und Kreuzmodale Betrachtungen
PART II: Technische neuronale & kognitive Systeme
4. Neuronale Modellierung
4.1 Quantitative Beschreibung einzelner Neuronen
4.2 Neuronale Darstellungen und Transformationen
4.3 Feed-forward und rekursive künstliche neuronale Netze
5. Modelle für das computergestützte Lernen
5.1 Lernen mit und ohne Unterweisung, Reinforcement Learning
5.2 Konditionierung
5.3 Hebbsche Lerntheorie
5.4 Kapazitäts- und Ressourcentheorie
6. Statische Lerntheorie und Kern-Maschinen
6.1 VC und Fat-Shattering-Dimension
6.3 strukturelle Risikominimierung
6.4 Kern-Maschinen
6.5 Mustererkennung in der Biomedizinischen Signal- und Bildverarbeitung
7. Lernen mit Unterweisung als Funktionsapproximation
7.1 Inverses Problem des Lernens
7.3 RKHS-Regularisierung
7. Aktuelle Trends der Neuroinformatik
[letzte Änderung 10.11.2013]
|
Weitere Lehrmethoden und Medien:
Tafel, digitaler Projektor, Software
[letzte Änderung 10.11.2013]
|
Literatur:
Abeles, M.: Corticonics: Neural Circuits of the Cerebral Cortex, Cambridge University Press, 1991
Alberts, B.; Bray, D.; Lewis, J.: Molecular Biology of the Cell, Garland Science, 2002
Bear, M.F.; Connors, B.W.; Paradiso, M.A.: Neuroscience, Lippincott Williams and Wilkins, 2001
Churchland, P.S:; Sejnowski, T.J.: The Computational Brain, MIT Press, 1992
Dayan, P.; Abbott, L.F.: Theoretical Neuroscience, MIT Press, 1992
Eliasmith, C.; Anderson, Ch.H.: Neural Engineering - Computation, Representation, and Dynamics in Neurobiological Systems, MIT Press, 2003, ISBN 0-262-05071-4
Fain, MG.L.; Fan, G.L:: Molecular and Cellular Physiology of Neurons, Harvard University Press, 1999
Fletcher, R.: Practical Methods of Optimization, John Wiley & Sons, 1987
Hall, Z.W.: Introduction to Molecular Neurobiology, Sinauer Associates Incorporated, 1992
Koch, Ch.: Biophysics of Computation, Oxford University Press, 1999
Levine, D.S.: Introduction to Neural and Cognitive Monitoring, Lawrence Erlbaum Associates, 2000
Malmivuo, J; Plonsey, R.: Bioelectromagnetism, Oxford University Prss, 1995
Ripley, B.D.: Pattern Recognition and Neural Networks, Cambridge University Press, 1996
Rosner, Jorge: Peeling the Onion: Gestalt Theory and Methodology, Gestalt-Institute of Toronto, 1990
Schölkopf, B.; Smola, A.J.: Learning with Kernels: Support vector Machinces, Regularization, Optimization and Beyond, MIT Press, 2002
Vapnik, V.N.: Statistical Learning Theory, John Wiley & Sons, 1998
Wahba, G.: Spline Models for Observational Data, SIAM, 1990
[letzte Änderung 10.11.2013]
|
