Prof. Dr. Barbara Hammer, Uni Bielefeld (Sprecher)
Prof. Dr. Thomas Villmann, FH Mittweida (Stellvertretender Sprecher)
Künstliche Neuronale Netze abstrahieren wichtige Eigenschaften biologischer Neuronaler Netze in mathematischen Modellen. Als solches dienen sie zwei nicht unbedingt immer disjunkten Zwecken: sie stellen vereinfachte Modelle, die erlauben, kognitive Prozesse und wesentliche Aspekte biologischer Neuronale Netze zu untersuchen und zu simulieren; sie abstrahieren mächtige informationsverarbeitende Einheiten und können daher zur robusten Informationsverarbeitung in technischen Systemen eingesetzt werden. Besonders im letzteren Bereich haben Neuronale Netze ihren Weg in unterschiedlichste Anwendungsgebiete wie etwa die Robotik, den Finanzsektor, die Automobilindustrie, die Medizin, die Bioinformatik, etc. gefunden. Aber auch in der Simulation und dem damit einhergehenden Verständnis biologischer Netze wurden in letzter Zeit erstaunliche Erfolge erzielt.
Im Fokus der Fachgruppe stehen theoretische Aspekte dieses Forschungskomplexes. Das betrifft grundlegende Fragestellung, wie etwa die Kapazität und Lernbarkeit von Neuronalen Architekturen, die Komplexität und statistische Eigenschaften von wichtigen Lernalgorithmen, oder die Implikation von Netzmodellen auf deren dynamische Eigenschaften. Die Untersuchung dieser Fragestellungen erlaubt, die in den Anwendungen verwendeten Methoden und Algorithmen theoretisch zu fundieren und wichtige Garantien wie etwa deren Generalisierungsfähigkeit zu erbringen. Darüber hinaus haben theoretische Erkenntnisse wichtige Rückwirkungen auf das Algorithmendesign und den Entwurf von Modellen, da etwa nur bei einem Verständnis der statistischen Eigenschaften eines Lernalgorithmus sich diese gezielt beeinflussen lassen.
Es findet ein Workshop New Challenges in Neural Computation (NC2) auf der GCPR 2017 in Basel statt. In dem Zusammenhang trifft sich die Fachgruppe.
Vorherige Workshops:
| GI-Fachbereich "Grundlagen der Informatik" | Barbara Hammer |