Sonstiges Material

Inhalt: Computational Neuroscience II

Vorlesung: vorwiegend Prof. Dr. A. Wendemuth (AW), biologische Vorlesungen: Prof. J. Braun Ph.D (JB)

Übung: Ronald Böck, David Hübner

7 Network models

-Biologische Einführung in Netzwerk Modelle, Wiederholung des vorigen WS: Organisation (= 1), Vorlesung 3 / Teil 1 AW (Folien (pdf))

- Dynamik (Lineare DGLs) und Koordinatentransformationen: Vorlesung 2 JB (Handout (pdf)) und Vorlesung 3 / Teil 2 AW (Folien (pdf)), (Matlab-File (.m))

- Associative Memory / stability / capacity: Vorlesung 4 AW (Folien (pdf))

- Ex/Inhibitory, Stochastic Networks: Vorlesung 5 AW (Folien (pdf))

8 Plasticity and Learning

- Biologische Einführung in Plasticity and Learning / Hebb: Vorlesung 6 JB (Handout (pdf))

- Hebb, Unsupervised, PCA, Trace learning: Vorlesung 7 AW (Folien (pdf)), (Matlab-File (.m))

- Feature learning, Self-Organizing Maps: Vorlesung 8 AW (Folien (pdf)),

- Stochastic Learnng, Kullback-Leibler-Distanz: Vorlesung 10 AW (Folien (pdf)), (Handout (pdf))

9 Conditioning and Reinforcement:

- Biologische Einführung in Conditioning and Reinforcement: Vorlesung 11 JB (Handout (pdf))

- Rescolar-Wagner-Rule, Temporal Difference Learning: Vorlesung 12 AW (Folien (pdf))

- Policy Learning: Vorlesung 13 AW (Folien (pdf))

- Maze / Markov Konzept: Vorlesung 14 AW (Folien (pdf))

10 Representational learning

- Biologische Einführung in Representational Learning: Vorlesung 15 JB (Handout (pdf))

- Prior / Posteriors, Probability Densities: Vorlesung 16 AW (Folien (pdf)) , (Handout (pdf))

- Estimation Maximization, K-Means: Vorlesung 17 AW (Handout (pdf))

- Independent Component Analysis: Vorlesung 18 AW (Folien und ICA-Herleitung (zip))

- zu internen Repräsentationen, Backpropagation, Tiling-Algorithmus:

Vorlesung 19 Teil 1 (Backpropagation) AW (Folien (zip))