Modul MED-CNS008: Grundlagen der Modellierung neuronaler Systeme. VL4, , Uhr, PC-Pool, IMSID, Bachstr.18, Gebäude 1
|
|
- Kirsten Bergmann
- vor 7 Jahren
- Abrufe
Transkript
1 Modul MED-CNS008: Grundlagen der Modellierung neuronaler Systeme VL4, , Uhr, PC-Pool, IMSID, Bachstr.18, Gebäude 1 Lehrender: Dirk Hoyer, dirk.hoyer@med.uni-jena.de, Tel Rückgekoppelte Neurone Erregende und hemmende gewichtete Summation Direkte, indirekte und seitliche Rückkopplung Ziel der Lehrveranstaltung ist das Kennenlernen grundlegender Funktionen rückgekoppelter neuronaler Netze. Anhand von Integrate-and-Fire Neuronenmodellen und deren Interaktionen (Erregung, Hemmung, Wichtung, Summation) sollen Grundfunktionen wie Selbsterregung und Selbsthemmung, sowie das Ein- und Ausschalten von Erregungsmustern vorgestellt und in eigenen Simulationen untersucht werden.
2 Prinzipien der Erregungsausbreitung im Neuronenverband - jedes Aktionspotential im Startneuron löst eine Hemmung im eigenen Ursprung (Rückwärtshemmung) oder einer anderen Neuronenkette aus gelb: erregendes Neuron, rot: hemmendes Neuron Prinzipien der Erregungsausbreitung im Neuronenverband - Kontrastbildung durch laterale Inhibition (Hemmung) -> bessere Abbildungsschärfe
3 Prinzipien der Erregungsausbreitung im Neuronenverband - Hemmung und Bahnung einer Neuronenkette Prinzipien der Erregungsausbreitung im Neuronenverband - Erregungsspeicherung : E1 löst eine kreisende Erregung aus E2 hemmt die Übertragung auf den Effektor E3 stoppt die kreisende Erregung
4 Modellstrukturen künstlicher neuronaler Netze Netze ohne Rückkopplung (feedforward) Netze mit Rückkopplungen (feedback) - direkte Rückkopplungen (am selben Neuron) - indirekte Rückkopplungen (über weiteres Neuron) - laterale Rückkopplungen (innerhalb einer Schicht) - vollständig verbundene Netze Abstraktionsebenen der Modelle neuronaler Netze Signalebenen: - Membranpotentialverlauf (Hodkin-Huxley Modell) - Spikes als Ereignisfolgen (Integrate-and-Fire Modell) - Spikefolgefrequenz (technische künstliche neuronale Netze) In dieser Lehrveranstaltung wird die Ebene der Integrate-and-Fire Modelle behandelt.
5 Simulationsuntersuchungen: - Integrate-and-Fire Modell: gewichtete Summation erregender und hemmender Einganssignale unterschiedlicher Stärke und Dauer - Direkte Rückkopplung: Selbsterregung und Selbsthemmung - Indirekte Rückkopplung: indirekte Selbsterregung und Selbsthemmung - Ein- und Ausschalten einer kreisenden Erregung Verwendung der eigenen Matlab - Funktion Neuron.m als Integrate-and-Fire Modell Simulation eines Neurons: Integrate-and-Fire Modell - Abhängigkeit von Stärke des Eingangsstromes (Simulation _1.m)
6 Simulation eines Neurons: Integrate-and-Fire Modell - Abhängigkeit von Dauer des Eingangsstromes (Simulation_1.m) Simulation eines Neurons mit zwei gewichteten Eingängen (simulation_2.m) w1=1 w2=4 Die Integration verschiedener Eingänge erhöht die Folgefrequenz der Aktionspotentiale mit zunehmender Gewichtung.
7 Simulation eines Neurons mit einer positiven Rückkopplung (simulation_3.m) w1=1 w2=4000 ohne Rückkopplung mit Rückkopplung Nach erstem Aktionspotential ist das Neuron sensibilisiert selbständige stärkere Antwort Simulation eines Neurons mit einer negativen Rückkopplung (simulation_3.m) w1=10 w2=-4000 ohne Rückkopplung mit Rückkopplung Die negative Rückkopplung verlangsamt das Erreichen der Membranpotenzialschwelle Langsamere Aktionspotentialfolge
8 Simulation eines Neurons mit direkter Rückkopplung Spikefolge als Eingangssignal E1 Positive Rückkopplung: rechts oben Negative Rückkopplung: rechts unten E1 A1 U1 Ohne Rückkopplung: links unten (simulation_5.m) Simulation eines Neurons mit indirekter Rückkopplung E1 U1 U2 A2 Positive Rückkopplung: links Negative Rückkopplung: rechts A1 (gleiche Gewichte wie direkte Rückkopplung oben) (simulation_6.m)
9 Simulation eines Neurons mit indirekter Rückkopplung E1 U1 U2 A2 ohne Rückkopplung: links positive Rückkopplung: rechts A1 Sensibilisierung bis zur Triggerung einer Dauererregung (simulation_7.m) Simulation einer kreisenden Erregung bei positivem Rückkopplungskreis Kreisende Erregung: N1-N2-N3-N4-N4-N6-N1 E1 schaltet ein E3 schaltet aus (simulation_4.m)
10 Praktikumsaufgabe: Vollziehen Sie unter Verwendung eines Integrate-and-Fire Modells (eigene Funktion Neuron.m) folgende Simulationsuntersuchungen nach. - Direkte Rückkopplung: Selbsterregung und Selbsthemmung - Indirekte Rückkopplung: indirekte Selbsterregung und Selbsthemmung - Erzeugen sowie Ein- und Ausschalten einer kreisenden Erregung Dokumentieren Sie Ihre Ergebnisse! Wie beeinflussen gewichtete hemmende und erregende Rückkopplungen das Verhalten der Netzwerke? Quellen und weiterführende Literatur: - Deetje, Speckmann, Hescheler: Physiologie. Elsevier, München A. Zell: Simulation neuronaler Netze. Oldenburg Verlag München Für die Simulationsuntersuchungen werden vorbereitete matlab-funktionen in der Lehrveranstaltung bereitgestellt.
Aufbau und Beschreibung Neuronaler Netzwerke
Aufbau und Beschreibung r 1 Inhalt Biologisches Vorbild Mathematisches Modell Grundmodelle 2 Biologisches Vorbild Das Neuron Grundkomponenten: Zellkörper (Soma) Zellkern (Nukleus) Dendriten Nervenfaser
MehrWas bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen
Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
MehrAbbildungen Schandry, 2006 Quelle: www.ich-bin-einradfahrer.de Abbildungen Schandry, 2006 Informationsvermittlung im Körper Pioniere der Neurowissenschaften: Santiago Ramón y Cajal (1852-1934) Camillo
MehrVisuelle Wahrnehmung I
Visuelle Wahrnehmung I Licht: physikalische Grundlagen Licht = elektromagnetische Strahlung Nur ein kleiner Teil des gesamten Spektrums Sichtbares Licht: 400700 nm Licht erst sichtbar, wenn es gebrochen
MehrSimulation neuronaler Netzwerke mit TIKAPP
Überblick Michael Hanke Sebastian Krüger Institut für Psychologie Martin-Luther-Universität Halle-Wittenberg Forschungskolloquium, SS 2004 Überblick Fragen 1 Was sind neuronale Netze? 2 Was ist TIKAPP?
MehrKleines Handbuch Neuronale Netze
Norbert Hoffmann Kleines Handbuch Neuronale Netze Anwendungsorientiertes Wissen zum Lernen und Nachschlagen - vieweg INHALTSVERZEICHNIS 1 Einleitung, 1.1 Begriff des neuronalen Netzes 1 11.1 Neurophysiologie
MehrBK07_Vorlesung Physiologie. 05. November 2012
BK07_Vorlesung Physiologie 05. November 2012 Stichpunkte zur Vorlesung 1 Aktionspotenziale = Spikes Im erregbaren Gewebe werden Informationen in Form von Aktions-potenzialen (Spikes) übertragen Aktionspotenziale
MehrGliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron
Neuronale Netzwerke Gliederung Biologische Motivation Künstliche neuronale Netzwerke Das Perzeptron Aufbau Lernen und Verallgemeinern Anwendung Testergebnis Anwendungsbeispiele Zusammenfassung Biologische
MehrDas synaptische Interaktionsgeflecht
Synaptische Integration und Plastizität. Synaptische Mechanismen von Lernen und Gedächtnis Das synaptische Interaktionsgeflecht Praesynapse Praesynapse Postsynapse Astroglia Verrechnung (Integration) an
MehrPraktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider
Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Training des XOR-Problems mit einem Künstlichen Neuronalen Netz (KNN) in JavaNNS 11.04.2011 2_CI2_Deckblatt_XORbinaer_JNNS_2
MehrVom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung
Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Johannes Schemmel Forschungsgruppe Electronic Vision(s) Lehrstuhl Prof. K. Meier Ruprecht-Karls-Universität Heidelberg Mitarbeiter:
MehrKohonennetze Selbstorganisierende Karten
Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden
MehrSynapsen und synaptische Integration: Wie rechnet das Gehirn?
Synapsen und synaptische Integration: Wie rechnet das Gehirn? Kontaktstellen zwischen Neuronen, oder zwischen Neuronen und Muskel (neuromuskuläre Synapse) Entsprechend der Art ihrer Übertragung unterscheidet
MehrNeuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer. 5. Aufgabenblatt: Neural Network Toolbox 1
Neuronale Netze, Fuzzy Control, Genetische Algorithmen Prof. Jürgen Sauer 5. Aufgabenblatt: Neural Network Toolbox 1 A. Mit Hilfe der GUI vom Neural Network erstelle die in den folgenden Aufgaben geforderten
MehrUmwelt-Campus Birkenfeld Numerik. der Fachhochschule Trier. Prof. Dr.-Ing. T. Preußler. MATLAB-Simulink
MATLAB- 1. Einführung in ist eine MATLAB-Toolbox zur Simulation Dynamischer Systeme mit Hilfe einer grafischen Benutzeroberfläche. Insbesondere eignet sich zur Behandlung linearer und nichtlinerarer zeitabhängiger
MehrAdaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Unüberwachtes Lernen: Adaptive Vektor Quantisierung und Kohonen Netze Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Überwachtes Lernen Alle bis lang betrachteten Netzwerke
MehrZentrales Nervensystem
Zentrales Nervensystem Funktionelle Neuroanatomie (Struktur und Aufbau des Nervensystems) Neurophysiologie (Ruhe- und Aktionspotenial, synaptische Übertragung) Fakten und Zahlen (funktionelle Auswirkungen)
MehrNEUROBIOLOGIE MIT BIOMODUL
NEUROBIOLOGIE MIT BIOMODUL DAS SYSTEM ZUR DEMONSTRATION DES NERVENSYSTEMS IM BIOLOGIEUNTERRICHT BIOLOGIE BIOMODUL System-Bausteine für Simulationsexperimente BIOMODUL - DAS SYSTEM BIOMODUL ist das System
MehrVL Wahrnehmung und Aufmerksamkeit: visuelle Wahrnehmung II
VL Wahrnehmung und Aufmerksamkeit: visuelle Wahrnehmung II Rückblick visuelle Wahrnehmung I Licht wurde von Rezeptoren in neuronales Signale umgewandelt retinale Verarbeitung über Sehnerv aus dem Auge
MehrZellulare Neuronale Netzwerke
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Zellulare Neuronale Netzwerke Florian Bilstein Dresden, 13.06.2012 Gliederung 1.
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014 Übersicht Stand der Kunst im Bilderverstehen: Klassifizieren und Suchen Was ist ein Bild in Rohform? Biologische
MehrHören WS 2009/2010. Hören. (und andere Sinne)
WS 2009/2010 Hören (und andere Sinne) Hören Chemie Mechanik Optik Hörbereich 20 16.000 Hz 10 3.000 Hz 20 35.000 Hz 1000 10.000 Hz 10 100.000 Hz 1000 100.000 Hz Hörbereich Menschliches Ohr: Wahrnehmbarer
MehrPsychologie als Wissenschaft
Fakultat fur Psychologic Ursula Kastner-Koller, Pia Deimann (Hg. Psychologie als Wissenschaft 2., aktualisierte Auflage facultas.wuv Vorwort 11 1 Einfiihrung in die Psychologie 13 1.1 Einleitung 13 1.2
MehrPraktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider
Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Approximation einer Kennlinie mit einem Künstlich Neuronalen Netz (KNN) in MATLAB 28.01.2008 5_CI2_Deckblatt_Kennlinie_Matlab_Schn2.doc
MehrAllgemeine Psychologie: Sinnesphysiologie. Sommersemester 2008. Thomas Schmidt
Allgemeine Psychologie: Sinnesphysiologie Sommersemester 2008 Thomas Schmidt Folien: http://www.allpsych.uni-giessen.de/thomas Literatur Rosenzweig et al. (2005), Ch. 8-10 Sinnesphysiologie Prinzipien
MehrMachine Learning - Maschinen besser als das menschliche Gehirn?
Machine Learning - Maschinen besser als das menschliche Gehirn? Seminar Big Data Science Tobias Stähle 23. Mai 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der
MehrVisualisierung von spikenden neuronalen Netzwerken. Entwicklung einer Webapplikation zum Veröffentlichen von Netzwerkmodellen
Studienprojekte Wintersemester 2014 Visualisierung von spikenden neuronalen Netzwerken Entwicklung einer Webapplikation zum Veröffentlichen von Netzwerkmodellen, m.pyka@rub.de Mercator Research Group Structure
MehrSoftcomputing Biologische Prinzipien in der Informatik. Neuronale Netze. Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003
Softcomputing Biologische Prinzipien in der Informatik Neuronale Netze Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003 Überblick Motivation Biologische Grundlagen und ihre Umsetzung
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Das Auge - Unser wichtigstes Sinnesorgan
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Das Auge - Unser wichtigstes Sinnesorgan Das komplette Material finden Sie hier: School-Scout.de S 2 M 1 Aufbau des menschlichen Auges
MehrRealisierung von CI- Regelalgorithmen auf verschiedenen Hardwareplattformen
Realisierung von CI- Regelalgorithmen auf verschiedenen Hardwareplattformen Prof.Dr.-Ing. K.-D. Morgeneier FH Jena, FB Elektrotechnik und Informationstechnik www.fh-jena.de Gliederung 2. Einführung 3.
MehrSchulinterner Kernlehrplan Biologie Q2 - Neurobiologie
Schulinterner Kernlehrplan Biologie Q2 - Neurobiologie Inhaltsfelder Schwerpunkt Basiskonzept Konkretisierte Kompetenzen Neurobiologie Nervenzellen - Bau und Funktion Vom Reiz zur Reaktion Bau und Funktion
MehrDie Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs
Die Beurteilung von Kreditrisiken mittels künstlicher neuronaler Netze am Beispiel österreichischer KMUs 1. Klagenfurter KMU Tagung Tanja Schuschnig Alexander Brauneis Institut für Finanzmanagement 25.09.2009
MehrWiederholung: Dendriten
Wiederholung: Dendriten Neurone erhalten am Dendriten und am Zellkörper viele erregende und hemmende Eingangssignale (Spannungsänderungen) Die Signale werden über Dendrit und Zellkörper elektrisch weitergeleitet.
MehrFortbildungsangebote für das Sommersemester 2015. POL-Teacher-Training. Interdisziplinäre Seminargestaltung
Medizinische Hochschule Brandenburg CAMPUS GmbH Fehrbelliner Straße 38 16816 Neuruppin Referat für Studienangelegenheiten Kompetenzbereich Hochschuldidaktik Dipl. - Päd. Dagmar Rolle Tel.: 03391 39-1041
MehrFortleitung des Aktionspotentials
Fortleitung des Aktionspotentials außen innen g K Ströme während des Aktionspotentials Ruhestrom: gleich starker Ein- und Ausstrom von K+ g Na Depolarisation: Na+ Ein- Strom g K Repolarisation: verzögerter
MehrSPS-Programmierung mit Funktionsbausteinsprache
Prof. Dr.-Ing: Serge Zacher SPS-Programmierung mit Funktionsbausteinsprache Automatisierungstechnische Anwendungen VDE VERLAG Berlin Offenbach Inhalt 1 Grundlagen der Automatisierung mit SPS und PC 11
MehrZentrales Nervensystem
Zentrales Nervensystem Funktionelle Neuroanatomie (Struktur und Aufbau des Nervensystems) Evolution des Menschen Neurophysiologie (Ruhe- und Aktionspotenial, synaptische Übertragung) Fakten und Zahlen
MehrNeuronale Netze in der Robotik
Seminarvortrag Neuronale Netze in der Robotik Datum: 18.01.2002 Vortragende: Elke von Lienen Matrikelnummer: 302489 Studiengang: Informatik Inhaltsverzeichnis Einleitung 3 Biologisches Vorbild 4 Künstliche
MehrWärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen
Wärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen Internationale Energiewirtschaftstagung Wien - 12.02.2015 Maike Hasselmann, Simon Döing Einführung Wärmeversorgungsanlagen
MehrWas bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und
Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Ausgaben Aktivierungsfunktionen: Schwellwertfunktion
MehrAllgemeine Psychologie: Neurophysiologie. Sommersemester 2008. Thomas Schmidt
Allgemeine Psychologie: Neurophysiologie Sommersemester 2008 Thomas Schmidt Folien: http://www.allpsych.uni-giessen.de/thomas Literatur Rosenzweig et al. (2005), Ch. 2 + 3 Anatomie des Nervensystems Zentrales
MehrModulhandbuch. für das Hochschulzertifikat Marketing. 04/2014 IST-Hochschule für Management GmbH
Modulhandbuch für das Hochschulzertifikat Marketing Inhaltsverzeichnis 3 Modul AB 102 Marketing I 4 Modul AB 107 Marketing II 7 4 Module Modul AB 102 Marketing I Modulbeschreibung Modul-Nr./Code AB 102
MehrNERVENZELLEN UND NERVENIMPULSE
6 NERVENZELLEN UND NERVENIMPULSE Neuronendoktrin: RAMON Y CAJAL (Ende 19.Jhd.): Neuronen liegen zwar beieinander, sind aber physisch voneinander getrennt; Verbindung der Nervenzellen untereinander geschieht
MehrDas Auge. Photorezeptoren (Zapfen und Stäbchen) Photorezeptormosaik Sehschärfe Dunkeladaptation Laterale Hemmung und Konvergenz
Das Auge Photorezeptoren (Zapfen und Stäbchen) Photorezeptormosaik Sehschärfe Dunkeladaptation Laterale Hemmung und Konvergenz Aufbau des Sehsystems Lichtreize Das Sehsystem ist empfindlich für elektromagnetische
MehrDie Bachelorarbeit kann auch studienbegleitend während eines Semesters angefertigt werden, in dem noch andere LVs belegt werden.
Regelstudienpläne und Prüfungspläne Die Regelstudienpläne sind Empfehlungen, die berücksichtigen, in welchen Semestern die jeweiligen Pflichtveranstaltungen angeboten werden, und nach denen sich das Bachelorstudium
MehrDigitale Bildverarbeitung in BA/MA
Digitale Bildverarbeitung in BA/MA Prof. Dr.-Ing. Joachim Denzler Lehrstuhl Digitale Bildverarbeitung Friedrich-Schiller-Universität Jena http://www.inf-cv.uni-jena.de Bedarf Bildverarbeitung In der Industrie:
MehrPRAKTIKUM Experimentelle Prozeßanalyse 2. VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge)
FACHGEBIET Systemanalyse PRAKTIKUM Experimentelle Prozeßanalyse 2 VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge) Verantw. Hochschullehrer: Prof.
MehrVergleich von Methoden zur Rekonstruktion von genregulatorischen Netzwerken (GRN)
Exposé zur Bachelorarbeit: Vergleich von Methoden zur Rekonstruktion von genregulatorischen Netzwerken (GRN) Fakultät: Informatik, Humboldt-Universität zu Berlin Lijuan Shi 09.05.2013 Betreuer: Prof. Dr.
Mehr3. Neuronenmodelle. 1. Einleitung zur Modellierung. 2. Hodgkin-Huxley-Modell. 3. Grundmodell in kontinuierlicher und diskreter Zeit
3. Neuronenmodelle 1. Einleitung zur Modellierung 2. Hodgkin-Huxley-Modell 3. Grundmodell in kontinuierlicher und diskreter Zeit 4. Transferfunktionen (Kennlinien) für Neuronen 5. Neuronenmodelle in Anwendungen
MehrEchtzeit-Bewertung von Optionen mit Marktpreisen durch Web-Mining und Neurosimulation
Reihe: Wirtschaftsinformatik Band 57 Herausgegeben von Prof. Dr. Dietrich Seibt, Köln, Prof. Dr. Hans-Georg Kemper, Stuttgart, Prof. Dr. Georg Herzwurm, Stuttgart, Prof. Dr. Dirk Stelzer, Ilmenau, und
MehrUniversität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012. Neuronale Netze. Von Deasy Sukarya & Tania Bellini
Universität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012 Neuronale Netze Von Deasy Sukarya & Tania Bellini Einführung Symbolische vs. Sub-symbolische KI Symbolische KI: Fokussierung
MehrExkurs: Circadiane Rhythmik. Physiologie der Zeitumstellung
Exkurs: Circadiane Rhythmik Physiologie der Zeitumstellung Chronobiologie Die biologische Uhr circadiane Rhythmik Biologische Uhren sind Anpassungen des Organismus an zyklische Veränderungen der Umwelt
MehrMatthias Birnstiel Modul Nervensystem Medizinisch wissenschaftlicher Lehrgang Wissenschaftliche Lehrmittel, Medien, Aus- und Weiterbildung
Matthias Birnstiel Modul Nervensystem Medizinisch wissenschaftlicher Lehrgang CHRISANA Wissenschaftliche Lehrmittel, Medien, Aus- und Weiterbildung Inhaltsverzeichnis des Moduls Nervensystem Anatomie des
MehrAllgemeine Psychologie I. Vorlesung 4. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Allgemeine Psychologie I Vorlesung 4 Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg 1 Allgemeine Psychologie I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der
MehrKapitel LF: IV. IV. Neuronale Netze
Kapitel LF: IV IV. Neuronale Netze Perzeptron-Lernalgorithmus Gradientenabstiegmethode Multilayer-Perzeptrons und ackpropagation Self-Organizing Feature Maps Neuronales Gas LF: IV-39 Machine Learning c
MehrBK07_Vorlesung Physiologie 29. Oktober 2012
BK07_Vorlesung Physiologie 29. Oktober 2012 1 Schema des Membrantransports Silverthorn: Physiologie 2 Membranproteine Silverthorn: Physiologie Transportproteine Ionenkanäle Ionenpumpen Membranproteine,
MehrKapitel LF: IV. Multilayer-Perzeptrons und Backpropagation. Multilayer-Perzeptrons und Backpropagation. LF: IV Machine Learning c STEIN 2005-06
Kapitel LF: IV IV. Neuronale Netze Perzeptron-Lernalgorithmus Gradientenabstiegmethode Multilayer-Perzeptrons und ackpropagation Self-Organizing Feature Maps Neuronales Gas 39 Multilayer-Perzeptrons und
MehrBeide bei Thieme ebook
Beide bei Thieme ebook Neurophysiologie 1) Funktionelle Anatomie 2) Entstehung nervaler Potentiale 3) Erregungsfortleitung 4) Synaptische Übertragung 5) Transmitter und Reflexe 6) Vegetatives Nervensystem
Mehr7.1. Die Rückenmarknerven (Die Spinalnerven): Siehe Bild Nervenbahnen
7. Das periphere Nervensystem: 7.1. Die Rückenmarknerven (Die Spinalnerven): Siehe Bild Nervenbahnen 7.2. Die Hirnnerven: Sie stammen aus verschiedenen Zentren im Gehirn. I - XII (Parasympathikus: 3,7,9,10)
Mehr2.) Material und Methode
1.) Einleitung: Wenn man unser Nervensystem und moderne Computer vergleicht fällt erstaunlicherweise auf, dass das Nervensystem ungleich komplexer ist. Dazu ein kurzer Überblick: Das menschliche Nervensystem
MehrFakultät für Informatik Übung zu Kognitive Systeme Sommersemester 2016
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 1 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Übungsblatt 3 Maschinelles Lernen und Klassifikation Abgabe online
MehrBWO VEKTOR Modul VIO. Digitale/analoge Module VEKTOR Input Output
NEU: BWO VEKTOR Modul VIO Digitale/analoge Module VEKTOR Input Output Das intelligente digitale/analoge Plug & Play Anschlusssystem aus dem Hause BWO ELEKTRONIK GMBH BWO VIO Produktdatenblatt Beschreibung
MehrBeeinflussung der Wahrnehmung durch Aufmerksamkeit
Beeinflussung der Wahrnehmung durch Aufmerksamkeit Lehrveranstaltung Smart Graphics Bearbeiter: Wassim Ben Hamadou, Michael Honig Betreuer: Otmar Hilliges Zielsetzung des Vortrags - Begriffsklärung von
MehrInformationsübertragung im Nervensystem
Informationsübertragung im Nervensystem Informationsübertragung im Nervensystem 1. Aufbau des Nervensystems 2. Aufbau einer Nervenzelle 3. Ruhemembranpotenzial 4. Aktionspotenzial 5. Erregungsleitung 6.
MehrBachelorarbeit Entwicklung eines Konzeptes zur angemessenen Beschriftung von Informationsobjekten
Bachelorarbeit Entwicklung eines Konzeptes zur angemessenen Beschriftung von Informationsobjekten Institut für Informatik Rostock 1 Inhaltsübersicht 1. Einleitung und Begriffsbildung 2. Bestehende geeignete
MehrDas Denken Verstehen: Chancen und Grenzen von Simulationen, Modellen und Theorien in der Hirnforschung
Das Denken Verstehen: Chancen und Grenzen von Simulationen, Modellen und Theorien in der Hirnforschung Ebenen neuronaler Dynamik und Signalverarbeitung Human Brain Project (HBP) Ebenen neuronaler Dynamik
MehrSelbstorganisierende Karten
Selbstorganisierende Karten Yacin Bessas yb1@informatik.uni-ulm.de Proseminar Neuronale Netze 1 Einleitung 1.1 Kurzüberblick Die Selbstorganisierenden Karten, auch Self-Organizing (Feature) Maps, Kohonen-
MehrVorlesungen: Abschaffen oder besser verpacken?
Vorlesungen: Abschaffen oder besser verpacken? Gabi Reinmann Vortrag auf dem Symposium zur Lehre: Zukunft von Großveranstaltungen am 1. November 2011 von 9-13h Überblick 1. Teil: Hintergrundüberlegungen
MehrBeurteilung einer Dozentin in einer telematischen Kommunikationssituation. Empirische Untersuchung zur Rolle der Dozentin in einem virtuellen Seminar
Beurteilung einer Dozentin in einer telematischen Kommunikationssituation Paechter, M. 1, Schweizer, K. & Weidenmann, B. Empirische Untersuchung zur Rolle der Dozentin in einem virtuellen Seminar Zwei
MehrDrücken Sie (später) bei Speichere Änderungen in der Bibliothek default? auf Nein.
Kapitel 5 Ein Schieberegister besteht aus einer linearen Anordnung von Flipflops, die so miteinander verschaltet sind, dass jedes Flipflop den Zustand seines Vorgängers übernimmt und seinen eigenen Zustand
MehrNeuronale Netze mit mehreren Schichten
Neuronale Netze mit mehreren Schichten Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Neuronale Netze mit mehreren
Mehr(künstliche) Neuronale Netze. (c) Till Hänisch 2003,2015, DHBW Heidenheim
(künstliche) Neuronale Netze (c) Till Hänisch 2003,2015, DHBW Heidenheim Literatur zusätzlich zum Lit. Verz. Michael Negnevitsky, Artificial Intelligence, Addison Wesley 2002 Aufbau des Gehirns Säugetiergehirn,
MehrKonstruktion eines Positionierantriebs
Konstruktion eines Positionierantriebs Ziel dieser Projektarbeit ist der Entwurf und die mechanische Konstruktion eines Positionierantriebs. Dabei soll ein CAD-Modell erstellt werden, das zur Fertigung
MehrAufbau und Funktionweise der Nervenzelle - Wiederholung Vorlesung -
Aufbau und Funktionweise der Nervenzelle - Wiederholung Vorlesung - Fragen zur Vorlesung: Welche Zellen können im Nervensystem unterschieden werden? Aus welchen Teilstrukturen bestehen Neuronen? Welche
MehrÜbung 6 Vorlesung Bio-Engineering Sommersemester Nervenzellen: Kapitel 4. 1
Bitte schreiben Sie Ihre Antworten direkt auf das Übungsblatt. Falls Sie mehr Platz brauchen verweisen Sie auf Zusatzblätter. Vergessen Sie Ihren Namen nicht! Abgabe der Übung bis spätestens 21. 04. 08-16:30
MehrHIER Workshop 2008 pmm. ENGINe: Kommunikation und Interaktionen von AutorInnen von elearning-materialien. 20. 2. 2008 in Hildesheim. E inleitung.
HIER Workshop 2008 ENGINe: Kommunikation und Interaktionen von AutorInnen von elearning-materialien 20. 2. 2008 in Hildesheim Julika Mimkes Institute for Science Networking Oldenburg mimkes@isn-oldenburg.de
MehrNeuronenmodelle II. Abstraktionsebenen von Einzelzellmodellen Das Leaky-Integrate-And-Fire (LIF) Modell. Martin Nawrot
Bachelor Program Bioinformatics, FU Berlin VS : Systemische Physiologie - Animalische Physiologie für Bioinformatiker Neuronenmodelle II Abstraktionsebenen von Einzelzellmodellen Das Leaky-Integrate-And-Fire
MehrAllgemeine Physiologie der Großhirnrinde. Einleitung. N. Birbaumer R.F. Schmidt
Allgemeine Physiologie der Großhirnrinde 15 N. Birbaumer R.F. Schmidt Einleitung Elektrische Spannungs- und magnetische Feldänderungen der kortikalen Nervenzellen sind Ausdruck des Aktivitätszustandes
MehrVerlauf der Sehbahn. Verlauf der Sehbahn. colliculus superior. corpus geniculatum laterale visueller Cortex. chiasma opticum EINFÜHRUNG STIMULUS AUGE
Verlauf der Sehbahn Auge Sehnerv chiasma opticum colliculus superior corpus geniculatum laterale visueller Cortex Quelle: Carbone/Kösling: Eye-tracking. Visuelle Wahrnehmung. IK 2001. Verlauf der Sehbahn
MehrRiechen. 1. Die Analyse der Luft in der Nase
Riechen 1. Die Analyse der Luft in der Nase Was ist Riechen? Analyse Arom a Entscheidung Erinnerung Sozialverhalten Zwei Riechsysteme: eins für Duftstoffe, eins für Pheromone Quelle: Michael Meredith,
MehrSocial Media Ziele. Ziel: Informationen, Service, Kommunikation und Austausch
Social Media Ziele 01 2010 07 2010 08 2010 01 2011 01 2012 Ziel: Ablage von Filmen der Hochschule, auf der Hochschulseite integriert Ziel: Informationen, Service, Kommunikation und Austausch Ziel: Nachrichten,
MehrZur systematischen Zerlegung der Funktionen in die Teilfunktionen wird die Dekomposition gleichzeitig in 2 Richtungen umgesetzt:
Ziel Prinzip Identifikation der Teil- und Unterfunktionen eines Produktes mittels systematischer Zerlegung in realisierbare Einheiten von Funktionsblöcken. Die Zerlegung erfolgt auf der Basis physikalischer,
MehrAnita Lenz Stefan Meretz. Neuronale Netze und Subiektivität
Anita Lenz Stefan Meretz Neuronale Netze und Subiektivität herausgegeben von Wolfgang Coy Das junge technische Arbeitsgebiet Informatik war bislang eng mit der Entwicklung der Maschine Computer verbunden.
MehrKapitel ML:XII. XII. Other Unsupervised Learning. Nearest Neighbor Strategies. Self Organizing Maps Neural Gas. Association Analysis Rule Mining
Kapitel ML:XII XII. Other Unsupervised Learning Nearest Neighbor Strategies Self Organizing Maps Neural Gas Association Analysis Rule Mining Reinforcement Learning ML:XII-1 Unsupervised Others LETTMANN
MehrSEP Antrittsvortrag. Vertrauenswürdige Auslieferung von Zertifikaten für Network Access Control mit EAP (T)TLS. Michael Bothmann
Lehrstuhl Netzarchitekturen und Netzdienste Institut für Informatik Technische Universität München SEP Antrittsvortrag Vertrauenswürdige Auslieferung von Zertifikaten für Network Access Control mit EAP
MehrBioMedia Der zeitgemäße Einsatz neuer Medien als Unterrichtsziel. Prof. Dr. Joachim Schachtner FB Biologie - Neurobiologie
BioMedia Der zeitgemäße Einsatz neuer Medien als Unterrichtsziel Prof. Dr. Joachim Schachtner FB Biologie - Neurobiologie Fachforum - Ansätze und Methoden zum E-Learning in der Biologie Marburg 08.09.2010
MehrEinführung in Neuronale Netze
Wintersemester 2005/2006 VO 181.138 Einführung in die Artificial Intelligence Einführung in Neuronale Netze Oliver Frölich Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme
MehrNaCl. Die Originallinolschnitte, gedruckt von Marc Berger im V.E.B. Schwarzdruck Berlin, liegen als separate Auflage in Form einer Graphikmappe vor.
NaCl Künstlerische Konzeption: Xenia Leizinger Repros: Roman Willhelm technische Betreuung und Druck: Frank Robrecht Schrift: Futura condensed, Bernhard Modern Papier: Igepa Design Offset naturweiß 120
Mehr2. Psychologische Fragen. Nicht genannt.
Checkliste für die Beurteilung psychologischer Gutachten durch Fachfremde Gliederung eines Gutachtens 1. Nennung des Auftraggebers und Fragestellung des Auftraggebers. 2. Psychologische Fragen. Nicht genannt.
MehrMathematik. Modul-Nr./ Code 6.1. ECTS-Credits 5. Gewichtung der Note in der Gesamtnote 5 / 165
Mathematik Modul-Nr./ Code 6.1 ECTS-Credits 5 Gewichtung der Note in der Gesamtnote 5 / 165 Modulverantwortliche Semester Qualifikationsziele des Moduls Prof. Dr. B. Christensen, Prof. Dr. B. Kuhnigk,
MehrDie EN auf dem Prüfstand
Eine Untersuchung der Anwendbarkeit in öffentlichen Liegenschaften Hochschule Rosenheim Agenda Norm & Tools Ergebnisse der Untersuchung Anwendbarkeit der EN 15232 2 Energieeffizienz: Normen EN 15232 Grundlegende
Mehr1. Angaben zur Ihrer Person: Studiengang: Hauptfächer: Nebenfächer : Fachsemester: 2. allgemeiner Lernerfolg:
Fragebogen zur Evaluation der Lehrveranstaltung Mädchen mögen Deutsch Jungen können Mat he? Interdisziplinäre Sichtweisen auf Genderaspekte in der Schule (WS 2013/14) Bitte nehmen Sie sich etwas Zeit,
MehrWie steuert unser Gehirn Bewegungen?
Wie steuert unser Gehirn Bewegungen? Schema der motorischen Kontrolle Kontrollzentren im Gehirn (motorischer Cortex, Basal- Ganglien, Cerebellum) Zentrale Rhythmusgeneratoren im Rückenmark Absteigende
Mehr1 Eva-Nachbar-Versuch
1 Eva-Nachbar-Versuch Jeder Arm des Rades wird von einem Neuron angesteuert werden. Jedes dieser Neuronen i hat drei Eingänge x n und einen Bias H. Der Sensorwert x i ist die Stellung des vom Neuroun i
MehrBildungsräume für Kinder unter 3 Jahre (U 3)
Bildungsräume für Kinder unter 3 Jahre (U 3) Informationsveranstaltung der Regierung von Unterfranken Richtlinie zur Förderung von Investitionen im Rahmen des Investitionsprogramms Kinderbetreuungsfinanzierung`
Mehriqr Bau von Neuronalen Netzen
iqr Bau von Neuronalen Netzen Eine Ausarbeitung von Laura Jozefini. Thema: Software zum Erschaffen von Neuronalen Netzen 29.06.2010, Weimar Bild 1: iqr Schriftzug im Manipulation-Panel Einleitung Die iqr-software
MehrKontaktstellen zwischen Neuronen, oder zwischen Neuronen und Muskel (neuromuskuläre Synapse)
Synapsen Kontaktstellen zwischen Neuronen, oder zwischen Neuronen und Muskel (neuromuskuläre Synapse) Der Begriff geht auf Sir Charles Scott Sherrington (1857 1952) zurück, der Professor der Physiologie
Mehr