<?xml version="1.0" encoding="ISO-8859-1" standalone="yes" ?>
<document>
<title>Einführung in die Mathematik Neuronaler Netze</title>
<cid>E1924</cid>
<sapsubmodule>P211-0001</sapsubmodule>
<bkey>em2</bkey>
<ctypes>
<hours>2</hours>
<type>V</type>
</ctypes>
<cp>2</cp>
<semester>0</semester>
<mandatory>nein</mandatory>
<language>Deutsch</language>
<exam>Projektarbeit</exam>
<curriculum>
<curriculum_entry>
<cid>E1924</cid>
<branch>Elektro- und Informationstechnik</branch>
<semester>0</semester>
<mandatory_tag>Wahlpflichtfach</mandatory_tag>
</curriculum_entry>
<curriculum_entry>
<cid>E813</cid>
<branch>Elektrotechnik</branch>
<semester>0</semester>
<mandatory_tag>Wahlpflichtfach</mandatory_tag>
</curriculum_entry>
<curriculum_entry>
<cid>E1924</cid>
<branch>Elektrotechnik</branch>
<semester>0</semester>
<mandatory_tag>Wahlpflichtfach</mandatory_tag>
</curriculum_entry>
</curriculum>
<workload>
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 30 Veranstaltungsstunden (= 22.5 Zeitstunden). Der Gesamtaufwand des Moduls beträgt bei 2 Creditpoints 60 Stunden (30 Stunden/ECTS Punkt). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 37.5 Stunden zur Verfügung.
</workload>
<prerequisites>
</prerequisites>
<prerequisitesfor>
</prerequisitesfor>
<convenor>Prof. Dr. Harald Wern</convenor>
<convenor-person-key>hwe</convenor-person-key>
<lecturers>
<lecturer>Prof. Dr. Harald Wern</lecturer>
<lecturer-person-key>hwe</lecturer-person-key>
</lecturers>
<objectives>Wann immer der Zusammenhang zwischen der Eingabeseite und der Ausgabeseite nicht explizit durch eine Funktion angegeben werden kann, sind neuronale Netze eine interessante Alternative.
Die Studierenden sollen in die Lage versetzt werden, ein neuronales Netz zu konfigurieren und mit einem mindestens quadratischen Lernverfahren eine gewisse Anzahl von Assoziationen epsilon genau zu trainieren.</objectives>
<content>1. Prinzipielles über neuronale Netze, Motivation und Grundlagen
2. Zweischichtige neuronale Feed-Forward-Netze
3. Dreischichtige neuronale Feed-Forward-Netze
4. Neuronale Feed-Forward-Netze höherer Ordnung
5. Rückgekoppelte Netze für Optimierungsaufgaben</content>
<media>Overheadfolien, Beamer</media>
<literature>Lenze, Burkhard: Einführung in die Mathematik neuronaler Netze
Scherer, Andreas: Neuronale Netze, Grundlagen und Anwendungen
Braun, Heinrich: Neuronale Netze, Optimierung durch Lernen und Evolution
Medsker, L.R.; Jain, L.C.: Recurrent Neural Networks, Design and Applications
Cichocki, A.; Unbehauen,R.: Neural Networks for Optimization and Signal Processing</literature>
<offered>
</offered>
<moduldb-query>Mon Mar 16 06:38:40 CET 2026, CKEY=eeidmnn, BKEY=em2, CID=[?], LANGUAGE=de, DATE=16.03.2026</moduldb-query>
</document>
