Seminar Kognitive Robotik. Interne Modelle I Vorwärtsmodelle Vortragender: Rüdiger Timpe
|
|
- Emma Müller
- vor 6 Jahren
- Abrufe
Transkript
1 Seminar Kognitive Robotik Interne Modelle I Vortragender: Rüdiger Timpe
2 Quellen Miall/Wolpert: Forward Models for Physiological Motor Control (1996) Blakemore/Wolpert/Frith: Why can't you tickle yourself? (2000) Karniel: Three creatures named forward model. (2002) Rüdiger Timpe - - Seite 2/22
3 Gliederung 3 Typen von internen Modellen Praktische Anwendung: 3 Kreaturen Repräsentation und Training Fazit, offene Fragen Rüdiger Timpe - - Seite 3/22
4 Typ 1: a) Dynamik-Vorwärtsmodell Input: Aktueller Zustand + Motorkommando Output: Schätzung des Neuen Zustandes Beispiel: Vorwärtskinematik b) Ausgabe-Vorwärtsmodell Output: Schätzung des Sensorfeedbacks Zustand : Alle Variablen des zu kontrollierenden motorischen Systems Rüdiger Timpe - - Seite 4/22
5 Typ 2: Inverse Modelle a) Inverses Dynamik-Modell Input: alter + neuer Zustand Output: Schätzung des Motorkommandos Beispiel: Inverse Kinematik b) Inverses Ausgabe-Modell Input: alter + neuer Sensorinput Output: Schätzung der Zustandsänderung Genaueres dazu in der nächsten Woche Rüdiger Timpe - - Seite 5/22
6 Typ 3: Vorwärts-Modelle für die Umwelt Vorhersage externer Zustände Beispiel: Trajektorien-Vorhersage Benötigt Weltwissen Rüdiger Timpe - - Seite 6/22
7 Kreatur 1: Output Predictor These: Das Gehirn ist in der Lage, die (sensorischen) Folgen eigener Aktionen vorherzusagen Rüdiger Timpe - - Seite 7/22
8 Corollary Discharge Resultatsentfernung afference - Sensorinput durch externe Einwirkung reafference - Sensorinput durch willentliche Bewegung Unterscheidung zwischen afference und reafference oft erforderlich Mögliche Erklärung für schizophrene Halluzinationen Rüdiger Timpe - - Seite 8/22
9 Corollary Discharge - Diagramm Rüdiger Timpe - - Seite 9/22
10 Tickle-Studie (Blakemore, Wolpert, Frith) Untersuchung über die Exaktheit der Berechnung Selbst-Kitzeln mit Roboterarm Rüdiger Timpe - - Seite 10/22
11 Internal Feedback Internes Feedback Zwei Möglichkeiten der Motorsteuerung Feedforward Generierung eines exakten Motorkommandos Braucht exaktes Wissen über das kontrollierte System Feedback Differenz von Sensorstatus und Referenzwert Sehr robust Verzögerung zwischen Kommando und Feedback Rüdiger Timpe - - Seite 11/22
12 Kreatur 2: State Estimator These: Mit Hilfe eines Vorwärtsmodells kann der nächste Zustand eines dynamischen Systems vorausgesagt werden Rüdiger Timpe - - Seite 12/22
13 State Estimation Zustandsschätzung Bewegungs-Koordination Rekursives Update Observer-Model (Kalman-Filter) Rüdiger Timpe - - Seite 13/22
14 Smith Predictor Rüdiger Timpe - - Seite 14/22
15 Model Predictive Control Modelvorhersage Dynamik-Vorwärtsmodell kann Zustände in die Zukunft vorausberechnen Erkennung von Kommandofehlern bevor sie auftreten Exakte Verfolgung von berechenbaren Bewegungen Rüdiger Timpe - - Seite 15/22
16 Mental Practice and Planning Mentaltraining Dynamik-Vorwärtsmodell: Vorhersage von kompletten Bewegungsabläufen möglich Ohne tatsächliche Bewegung findet Training des motorischen Apparates statt Rüdiger Timpe - - Seite 16/22
17 Kreatur 3: Distal Teacher These: Ein Vorwärtsmodell kann auch zur Übersetzung von Fehlersignalen zwischen verschiedenen Domänen verwendet werden Rüdiger Timpe - - Seite 17/22
18 Fehler bei der Ausführung von motorischen Befehlen treten häufig in einer anderen Domäne auf Greifen eines Objektes Erlernen von Sprachkontrolle Backpropagation Rüdiger Timpe - - Seite 18/22
19 Repräsentation von n Nicht universell möglich, Parameter ändern sich drastisch Training erforderlich, möglich über Fehler zwischen Ergebnis und Vorhersage (überwachtes Lernen) Darstellungs-Möglichkeiten: Input-Output-Tabelle Sehr einfach, schlechte Generalisierung Aufstellung der physikalischen Zusammenhänge Trigonometrische Formeln für die Vorwärtskinematik Neuronales Netz Siehe Vorlesung Rüdiger Timpe - - Seite 19/22
20 Kleinhirn essentiell für motorische Koordination These: Durch die Bereitstellung von n Kleinhirn unterscheidet zwischen selbst- und fremderzeugten Stimuli Elektrophysiologische Identifikation von VMs Verschiedene Möglichkeiten müssen überprüft werden: Erhält das Gehirn den nötigen Input für ein VM? Gibt es einen aus dem VM entstandenen Output? Wie ist das VM neural kodiert? Wie wird das VM trainiert? Rüdiger Timpe - - Seite 20/22
21 Experimentelle Nachweise Anpassen der Griffstärke an variierendes Gewicht Tracking der Handposition über Cursorsignal Lokalisation von Objekten im Raum Tickle-Studie Rüdiger Timpe - - Seite 21/22
22 Zahlreiche Experimente legen die Verwendung von n nahe Offene Fragen: Lokalisation? Repräsentation? Verwendete Lernalgorithmen? Welche Typen? Strukturen? Sind wirklich erforderlich?
23 Danke für die Aufmerksamkeit!
Visuelle Vorwärtsmodelle für einen Roboter-Kamera- Kopf
Visuelle Vorwärtsmodelle für einen Roboter-Kamera- Kopf Diplomvortrag 10.11.2004 Diplomand Silvio Große Inhalt Einleitung Ziele Projektbeschreibung Theoretischer Hintergrund Vorwärtsmodelle adaptive Architektur:
MehrBielefeld Graphics & Geometry Group. Brain Machine Interfaces Reaching and Grasping by Primates
Reaching and Grasping by Primates + 1 Reaching and Grasping by Primates Inhalt Einführung Theoretischer Hintergrund Design Grundlagen Experiment Ausblick Diskussion 2 Reaching and Grasping by Primates
MehrHannah Wester Juan Jose Gonzalez
Neuronale Netze Supervised Learning Proseminar Kognitive Robotik (SS12) Hannah Wester Juan Jose Gonzalez Kurze Einführung Warum braucht man Neuronale Netze und insbesondere Supervised Learning? Das Perzeptron
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrMotorik und Vorstellung
Motorik und Vorstellung 1. Innere Repräsentation 2. Interferenzen (Hemmungen) zwischen Bewegungssteuerung und räumlichen Vorstellungen 3. Funktionelle Äquivalenz von Bewegungen und Bewegungsvorstellungen
MehrEinführung in die Computerlinguistik
Einführung in die Computerlinguistik Neuronale Netze WS 2014/2015 Vera Demberg Neuronale Netze Was ist das? Einer der größten Fortschritte in der Sprachverarbeitung und Bildverarbeitung der letzten Jahre:
MehrIntegration eines pneumatischen Roboters in die Robotics API
Integration eines pneumatischen Roboters in die Robotics API Ziel: Integration eines AirArms in die Robotics API und Umsetzung eines Demo-Anwendung Idee: Die MRK (Mensch Roboter Kooperation) bekommt zunehmend
MehrSensomotorische Ursprünge der Kognition
Marion Wardermann Sensomotorische Ursprünge der Kognition Seminar Kognitive Robotik SS 2004 Grundfrage Wie können aus reaktiven Systemen Systeme wie Menschen entstehen? Quellen Cruse, H: The evolution
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrNeuronale Netze. Anna Wallner. 15. Mai 2007
5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente
MehrLearning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrKünstliche Neuronale Netze
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung
MehrDie Neurobiologischen Bedingungen Menschlichen Handelns. Peter Walla
Die Neurobiologischen Bedingungen Menschlichen Handelns 3 wichtige Sichtweisen der Neurobiologie 1. Das Gehirn produziert kontrolliertes Verhalten (somit auch jegliches Handeln) 2. Verhalten ist gleich
MehrPriming & Motor-Responses
Seminar: Motorik / Motor Control Datum: 15.12.06 Dozentin: J. Trommershäuser Referent: Tim Schönwetter WS 2006/2007 Priming & Motor-Responses The Finger in Flight: Real-Time Motor Control by Visually Masked
MehrModellbasierte prädiktive Regelung
Modellbasierte prädiktive Regelung Eine Einführung für Ingenieure von Rainer Dittmar und Bernd-Markus Pfeiffer Oldenbourg Verlag München Wien 1 Einführung 1 1.1 Entwicklung der Prozessführung im gegenwärtigen
MehrOptimierung einer technischen Beschreibung. Martin Witzel und Peter Buck
Optimierung einer technischen Beschreibung Martin Witzel und Peter Buck Was ist eine Bedienungsanleitung? Ein DIN A4 Zettel in 12 Sprachen für die Bedienung eines Mixers? Ein Buch mit mehr als 500 Seiten
MehrReinforcement Learning
Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied
MehrDer Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze Reinhard Eck 1
Der Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze 2.04.2006 Reinhard Eck Was reizt Informatiker an neuronalen Netzen? Wie funktionieren Gehirne höherer Lebewesen?
MehrDer PECS-Agent als Referenzmodell
als Referenzmodell Ein Referenzmodell kann als Modell für eine Klasse von realen Systemen als Vorlage dienen. Es zeigt die Struktur eines Modells für alle realen Systeme, die eine gemeinsame Tiefenstruktur
MehrTHEORY OF MIND. Sozial-kognitive Entwicklung
06.12.2010 THEORY OF MIND Sozial-kognitive Entwicklung Seminar Vertiefung in Entwicklungspsychologie Dozent: Dipl.-Psych. Susanne Kristen Referentin: Sabine Beil Gliederung 1. Definition und Testparadigma
MehrService-Robotik Herausforderungen und Trends. Prof. Dr. Frank Kirchner Universität Bremen, DFKI Robotik Labor Bremen Robert-Hooke-Str.
Service-Robotik Herausforderungen und Trends Prof. Dr. Frank Kirchner Universität Bremen, DFKI Robotik Labor Bremen Robert-Hooke-Str. 5 28359 Bremen , Bremen Grundlagen zur Anwendung bringen Direkte Einbindung
Mehr(hoffentlich kurze) Einführung: Neuronale Netze. Dipl.-Inform. Martin Lösch. (0721) Dipl.-Inform.
(hoffentlich kurze) Einführung: martin.loesch@kit.edu (0721) 608 45944 Überblick Einführung Perzeptron Multi-layer Feedforward Neural Network MLNN in der Anwendung 2 EINFÜHRUNG 3 Gehirn des Menschen Vorbild
MehrWissen und Repräsentation
Pädagogik Eric Kolling Wissen und Repräsentation Studienarbeit Universität des Saarlandes Fachbereich 5.1 Erziehungswissenschaft 15. Januar 2002 Proseminar: Lernen, Denken, Gedächtnis WS 2001/02 Proseminararbeit:
MehrTemporal Difference Learning
Temporal Difference Learning Das Temporal Difference (TD) Lernen ist eine bedeutende Entwicklung im Reinforcement Lernen. Im TD Lernen werden Ideen der Monte Carlo (MC) und dynamische Programmierung (DP)
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrQuadrocopters and it s Applications: Overview of State of the Art Techniques
: Overview of State of the Art Techniques Visual Tracking for Robotic Applications Sebastian Brunner Lehrstuhl für Echtzeitsysteme und Robotik Technische Universität München Email: brunnese@in.tum.de Date:
MehrGliederung. Gliederung (cont.) Grundlage zur Programmierung auf Aufgabenebene
- Gliederung Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 28. Juni 2011 Allgemeine Informationen Einführung
MehrReal Time Tracking of the Human Body. Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen. Thomas Endres SS 2006
Real Time Tracking of the Human Body Hauptseminar Bildverstehen: Videobasierte Erkennung und Analyse menschlicher Aktionen Thomas Endres SS 2006 Echtzeit-Erkennung Erkennung Anwendungsmöglichkeiten: Interfaces
MehrEinführung in die Robotik. Jianwei Zhang
- Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 28. Juni 2011 J. Zhang 324 Programmierung auf Aufgabenebene
MehrHopfield Netze. Neuronale Netze WS 2016/17
Hopfield Netze Neuronale Netze WS 2016/17 Rekursive Netze Definition: Ein rekursives Netz enthält mindestens eine Feedback-Schleife Gegensatz: Feedforward-Netze Beispiel: Hopfield-Netze, Boltzmann-Maschinen
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Sebastian Morr 4. Juni 2008 Worum geht es? Die Natur hat uns 3,7 Milliarden Jahre Forschungszeit voraus. Toby Simpson Vorbild: Strukturen des Gehirns Ziel: Lernfähige Künstliche
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
MehrAllgemeine Psychologie 1 Herbstsemester 2008
Allgemeine Psychologie 1 Herbstsemester 2008 10.12.2008 (aktualisiert) Prof. Dr. Adrian Schwaninger Überblick Wahrnehmung: Sinnesorgane Prozesse und Grundprinzipien Sehen Hören Tastsinn Geschmackssinn
MehrKNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren
KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren Holger Rahlf; Reiner Schubert www.baw.de Künstlich Neuronales Netz Gliederung Einleitung Grundlagen Möglichkeit und Grenzen Anwendung
MehrNutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten
Nutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten Albert-Ludwigs-Universität zu Freiburg 13.09.2016 Maximilian Dippel max.dippel@tf.uni-freiburg.de Überblick I Einführung Problemstellung
Mehr3. Das Reinforcement Lernproblem
3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität
MehrEinführung in die Robotik. Jianwei Zhang
- Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 7. Juni 2011 J. Zhang 272 Roboterregelung Gliederung
MehrGliederung. Gliederung (cont.) Klassifikation der Regelung von Roboterarmen
- Roboterregelung Gliederung Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 19. Juni 2012 Allgemeine Informationen
MehrTitel der Veranstaltungen Leistungsnachweis SWS CP. 2. Reinforcement Learning (V+Ü), WS Erfolgsschein
Fakultät / Ort: Institut für, Name der Dozentin/des Dozenten: Prof. Dr. Gregor Schöner (Gregor.Schoener@neuroinformatik.rub.de) Dr. Hubert Dinse (Hubert.Dinse@neuroinformatik.rub.de) Dr. Rolf Würtz (Rolf.Wuertz@neuroinformatik.rub.de)
MehrArgumentieren mit multiplen und dynamischen Darstellungen. Jahrestagung der GDM in Weingarten Andreas Bauer
Argumentieren mit multiplen und en Darstellungen Jahrestagung der GDM in Weingarten Andreas Bauer 09.03.2012 Gliederung 1. Argumentieren im Mathematikunterricht 2. Darstellungen und Darstellungsarten 3.
MehrState diagrams (Zustandsautomaten)
State diagrams (Zustandsautomaten) Allgemeines Zustandsautomaten geben Antworten auf die Frage Wie verhält sich das System in einem bestimmten Zustand bei gewissen Ereignissen?. Sie spezifizieren somit
MehrSystem und Modell. System und Modell. System und Modell. System und Modell. Beispiel 2: Fail-Save-Überprüfung einer Presse
und und Beispiel 1: Der unbequeme Philosoph Beispiel 2: Fail-Save-Überprüfung einer Presse? : ẋ d = p a A K p b A R F = Komponentenmodelle, physikalische Gleichungen : x y : mensch(x) trinkt(x, y) gift(y)
MehrVL Wahrnehmung und Aufmerksamkeit. Wahrnehmung von Bewegung
VL Wahrnehmung und Aufmerksamkeit Wahrnehmung von Bewegung Bewegung Bewegung = raum-zeitliche Veränderung Abbild bewegt sich über die Retina retinale Bewegung Objekt zu Zeitpunkt t 1 an Position A; Zeitpunkt
MehrKalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern
Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
MehrVorstellung von Bewegung Berlin Brain Computer Interfaces (BBCI)
Vorstellung von Bewegung Berlin Brain Computer Interfaces (BBCI) Let the machines learn! Jela Ruhe, Sara Winter 02.12.2009 BMI Universität Bielefeld ౧ Gliederung 2 Einführung Methoden Experimente & Ergebnisse
MehrVorwärtskinematik und inverse Kinematik. Andreas Schmidtke
Vorwärtskinematik und inverse Kinematik Andreas Schmidtke Übersicht 1. Vorwärtskinematik 2. Standardframes 3. Inverse Kinematik 4. Bemerkungen zur Numerik Übersicht 1. Vorwärtskinematik 1. Modellierung
MehrNeurofeedback --- Train your brain
Seminar Brain-Machine Interfaces Neurofeedback --- Train your brain 1 18.11.2009 Biofeedback...bezeichnet eine Methode, bei der eine Person die bewusste Selbstkontrolle über bestimmte Funktionen seines
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
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrInteraktion mittels Gestik, Animation
Interaktion mittels Gestik, Animation Bastian Könings bk8@informatik.uni-ulm.de Proseminar Virtuelle Präsenz SS 2005 Universität Ulm 1/38 Übersicht 1. Gestik allgemein 1.1 Definition von Gestik 1.2 lexikalische
MehrKoordination als Basis der Handlungsschnelligkeit. Mag. Reinhard Dietl Vortrag Trainerfortbildung Lindabrunn
Koordination als Basis der Handlungsschnelligkeit Mag. Reinhard Dietl Vortrag Trainerfortbildung Lindabrunn 30.11.2014 Inhalt Einstiegsfrage: Warum trainieren wir? Definition Koordination Effekte des Koordinationstrainings
MehrNeues Denken Mythen und Fakten über unser Gehirn. Roland H. Grabner Begabungs- und Lernforschung Institut für Psychologie
Neues Denken Mythen und Fakten über unser Gehirn Roland H. Grabner Begabungs- und Lernforschung Institut für Psychologie Post-mortem Untersuchungen Frontallappen Parietallappen Falk et al. (2013), for
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrWas sind Neuronale Netze?
Neuronale Netze Universität zu Köln SS 2010 Seminar: Künstliche Intelligenz II Dozent: Stephan Schwiebert Referenten: Aida Moradi, Anne Fleischer Datum: 23. 06. 2010 Was sind Neuronale Netze? ein Netzwerk
MehrPHYSIKUNTERRICHT MIT TECHNOLOGIEEINSATZ LERNAUFGABEN UND LERNPROZESSE
PHYSIKUNTERRICHT MIT TECHNOLOGIEEINSATZ LERNAUFGABEN UND LERNPROZESSE Dr. Hildegard Urban Woldron Universität Wien, AECC Physik & PH Niederösterreich Übersicht Von der Datenerfassung zum mathematischen
MehrStrukturvariable Regelung eines humanoiden Roboterarmes mit bildgebenden und Kraft-Momenten-Sensoren. Bodmar Diestel-Feddersen, Giulio Milighetti
mit bildgebenden und Kraft-Momenten-Sensoren Bodmar Diestel-Feddersen, Giulio Milighetti Inhalt 1. Motivation und Aufgabenstellung 2. Multisensorielles Regelungskonzept zum Fallbeispiel Peg-In-Hole 3.
MehrEinführung in die Bewegungswissenschaft SS 2007
Einführung in die SS 2007 Fragen zum Mentalen Was ist? Lässt sich die behauptete Wirkung von Mentalem empirisch nachweisen? Wie lässt sich die Wirkung von Mentalem erklären? Definitionen von Mentalem I...
MehrAS01 ASSISTENTEN THEORIE UNTERRICHTSTHEORIE
AS01 ASSISTENTEN THEORIE UNTERRICHTSTHEORIE BEGRIFFSERKLÄRUNG DIDAKTIK THEORIE DES LEHRENS/LERNENS UNTERRICHTS und handelt vom WAS? METHODIK TECHNIK DES UNTERRICHTENS handelt vom WIE? des UNTERRICHTS =
MehrS e l b s t g e s t e u e r t S k i f a h r e n l e r n e n?
Andreas Bund (Technische Universität Darmstadt) S e l b s t g e s t e u e r t S k i f a h r e n l e r n e n? Folie 1 Jahrestagung der ASH Hirschegg, 16. - 18. Dezember 2005 Übersicht 1 Einleitung... Selbstgesteuertes
MehrNeuropsychologie des Hydrocephalus. Dr. Michael Lingen
Neuropsychologie des Hydrocephalus Dr. Michael Lingen Was ist Neuropsychologie? interdisziplinäres Teilgebiet der Psychologie und der Neurowissenschaften befasst sich mit der Variation physiologischer
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Eigenschaften neuronaler Netze: hohe Arbeitsgeschwindigkeit durch Parallelität, Funktionsfähigkeit auch nach Ausfall von Teilen des Netzes, Lernfähigkeit, Möglichkeit zur Generalisierung
MehrEntwicklung einer Motorsteuerung für zwei Getriebemotoren
Übersicht Motivation Hardware Software Fazit Ende Entwicklung einer Motorsteuerung für zwei Getriebemotoren Studienarbeit, Abschlussvortrag T. K. Technische Universität Braunschweig Institut für Betriebssysteme
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
MehrProbleme der Navigation von Rehabilitationsroboter: Intelligenter Rollstuhl
16.04.2013 Advanced Seminar "Computer Engineering" WS2012/2013 Probleme der Navigation von Rehabilitationsroboter: Intelligenter Rollstuhl Sandrine Michele Chouansu Lehrstuhl für Automation; Universität
MehrKompetenzorientiertes Fachcurriculum Physik, Weidigschule Butzbach Jahrgangsstufe 8
Kompetenzorientiertes Fachcurriculum Physik, Weidigschule Butzbach Jahrgangsstufe 8 Jgst./ Erweiterung der Sinne II Fachübergriff / Fächerverbindung Optik II Optische Phänomene Brechung Erzeugung und Untersuchung
MehrOLYMPIAZENTRUM SÜDSTADT. IMSB-Austria 1
OLYMPIAZENTRUM SÜDSTADT IMSB-Austria 1 IMSB-Austria WISSENSCHAFTLICHE HILFESTELLUNG IMSB-Austria 2 IMSB-Austria SPITZENSPORT IMSB-Austria 3 IMSB - Austria HOBBYSPORTLER IMSB-Austria 4 IMSB-Austria NACHWUCHS
MehrIntelligente Algorithmen Einführung in die Technologie
Intelligente Algorithmen Einführung in die Technologie Dr. KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Natürlich sprachliche
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
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Aufgaben der letzten Stunde Übersicht Neuronale Netze Motivation Perzeptron Multilayer
MehrNeuronale Netze. Seminar aus Algorithmik Stefan Craß,
Neuronale Netze Seminar aus Algorithmik Stefan Craß, 325656 Inhalt Theoretisches Modell Grundlagen Lernansätze Hopfield-Netze Kohonen-Netze Zusammenfassung 2 Inhalt Theoretisches Modell Grundlagen Lernansätze
MehrKompetenzen Natur und Technik Check S2/S3
Institut für Bildungsevaluation Assoziiertes Institut der Universität Zürich Kompetenzen Natur und Technik Check S2/S3 Informationen für Lehrpersonen und Eltern 1. Wie sind die Ergebnisse dargestellt?
MehrNeuronale Netze in der Phonetik: Grundlagen. Pfitzinger, Reichel IPSK, LMU München {hpt 24.
Neuronale Netze in der Phonetik: Grundlagen Pfitzinger, Reichel IPSK, LMU München {hpt reichelu}@phonetik.uni-muenchen.de 24. Mai 2006 Inhalt Einführung Maschinelles Lernen Lernparadigmen Maschinelles
MehrMikrofundierung des soziologischen Neo-Institutionalismus und weiterführende Arbeiten
Mikrofundierung des soziologischen Neo-Institutionalismus und weiterführende Arbeiten Themenbereich 5: Performance Measurement in Organisationen Perspektiven des soziologischen Neo-Institutionalismus Referent:
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
MehrQuelle: Wikipedia.org. Roger Penrose. Fabian Pawlowski, Hendrik Borghorst, Simon Theler
Quelle: Wikipedia.org 1 Biografie 2 Grundlegende Fragen 3 Schwache und starke KI 4 Turing-Test 5 Chinesiches Zimmer 6 Bewusstsein 7 Gehirn 8 Turing-Maschine 9 Fazit Biografie Biografie geb.: 8.August 1931
MehrGerhard Roth Fühlen, Denken, Handeln
Gerhard Roth Fühlen, Denken, Handeln Wie das Gehirn unser Verhalten steuert Neue, vollständig überarbeitete Ausgabe Suhrkamp Inhalt Vorwort zur überarbeiteten Auflage n Vorwort 15 Einleitung 18 1. Moderne
MehrNeuronale Netze in der Phonetik: Feed-Forward Netze. Pfitzinger, Reichel IPSK, LMU München {hpt 14.
Neuronale Netze in der Phonetik: Feed-Forward Netze Pfitzinger, Reichel IPSK, LMU München {hpt reichelu}@phonetik.uni-muenchen.de 14. Juli 2006 Inhalt Typisierung nach Aktivierungsfunktion Lernen in einschichtigen
MehrWächst etwas zusammen, was früher nicht zusammen gehörte?
Wächst etwas zusammen, was früher nicht zusammen gehörte? Prof. Dr. Lutz Jäncke Universität Zürich Psychologisches Institut Lehrstuhl für Neuropsychologie International Normal Aging and Plasticity Imaging
MehrSprachliches Wissen: mentales Lexikon, grammatisches Wissen. Gedächtnis. Psycholinguistik (2/11; HS 2010/2011) Vilnius, den 14.
Sprachliches Wissen: mentales Lexikon, grammatisches Wissen. Gedächtnis Psycholinguistik (2/11; HS 2010/2011) Vilnius, den 14. September 2010 Das Wissen Beim Sprechen, Hören, Schreiben und Verstehen finden
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrKünstliche Neuronale Netze
Inhalt (Biologische) Neuronale Netze Schwellenwertelemente Allgemein Neuronale Netze Mehrschichtiges Perzeptron Weitere Arten Neuronaler Netze 2 Neuronale Netze Bestehend aus vielen Neuronen(menschliches
MehrAutomatisiertes Testen von diagrammbasierten Aufgabentypen
Jörg Böhringer E-Learning Seminar SS 08 Prof. Dr. Torsten Brinda Automatisiertes Testen von diagrammbasierten Aufgabentypen Jörg Böhringer 1 Gliederung 1. Definition 2. AGTCG 3. CourseMarker 4. ERD Drawing
MehrPerzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
Perzeptronen Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Perzeptronen 1 / 22 Gliederung 1 Schwellwert-Logik (MCCULLOCH-PITTS-Neuron)
MehrInhaltsverzeichnis. Abbildungsverzeichnis. Abkürzungsverzeichnis
Inhaltsverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis XVII XXI A.Bedeutung der Multimedialität zur Gestaltung von Internetauftritten 1 1. Rahmenbedingungen bei der Gestaltung von Internetauftritten
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrNeuronale Netze Aufgaben 3
Neuronale Netze Aufgaben 3 martin.loesch@kit.edu (0721) 608 45944 MLNN IN FLOOD3 2 Multi Layer Neural Network (MLNN) Netzaufbau: mehrere versteckte (innere) Schichten Lernverfahren: Backpropagation-Algorithmus
MehrDie Prognose regionaler Beschäftigung mit Neuronalen Netzen und Genetischen Algorithmen
Die Prognose regionaler Beschäftigung mit Neuronalen Netzen und Genetischen Algorithmen Nijkamp P., Reggiani A., Patuelli R., Longhi S. Ziele: Darstellung eines Neuronalen Netzes (NN) zur Prognose regionaler
MehrObjektorientierte Analyse (OOA) Inhaltsübersicht
Inhaltsübersicht Einführung Anforderungen an die UML-Diagramme Verhalten: Use-Case-Diagramm Verhalten: Aktivitätsdiagramm Verhalten: Zustandsautomat Struktur: Klassendiagramm Seite 1 Einführung In der
Mehra) Name and draw three typical input signals used in control technique.
12 minutes Page 1 LAST NAME FIRST NAME MATRIKEL-NO. Problem 1 (2 points each) a) Name and draw three typical input signals used in control technique. b) What is a weight function? c) Define the eigen value
MehrSeminar im Grundstudium: Motion-Tracking in der Robotik
Seminar im Grundstudium SS2007 Seminar im Grundstudium: Motion-Tracking in der Robotik Lehrstuhl für Hardware-Software-Co-Design Universität Erlangen-Nürnberg stefan.wildermann@informatik.uni-erlangen.de
Mehr<Dunkle Materie> Stundenbild. Guided Research Model ASTROID. Dr. Christian Reimers
ASTROID Stundenbild Guided Research Model [1] [2] Dr. Christian Reimers reimers@astro.univie.ac.at http://www.virtuelleschule.at/cosmos/ [1] Gravitationslinse, HST-Beobachtung von Abell
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 6. Januar 2005
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 7. Roboterregelung..........................370 Klassifikation
MehrEinführung in die Linguistik, Teil 4
Einführung in die Linguistik, Teil 4 Menschliche Sprachverarbeitung im Rahmen der Kognitionswissenschaft Markus Bader, Frans Plank, Henning Reetz, Björn Wiemer Einführung in die Linguistik, Teil 4 p. 1/19
MehrMoveIt Setup Assistent
MoveIt Software für die Anwendungsentwicklung an Robotern Benutzerfreundliche Gestaltung der Interfaces Flexible Anpassung und Erweiterung duch Plugin Interfaces Über Parameterserver leicht Konfigurierbar
Mehr12. Schweizerischer Tag für Physik und Unterricht. Clemens Wagner ETH Zürich, KS Romanshorn 2012
12. Schweizerischer Tag für Physik und Unterricht Clemens Wagner ETH Zürich, KS Romanshorn 2012 Image der Physik im Unterricht Eine Ansammlung von Formeln Lösungsstrategie Was ist gegeben Formel aus Formelbuch
MehrNeuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor)
29 Neuronale Netze Gehirn: ca. 10 11 Neuronen stark vernetzt Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) Mustererkennung in 0.1s 100 Schritte Regel 30 Was ist ein künstl. neuronales Netz? Ein
Mehr