|
Size: 1124
Comment:
|
Size: 3399
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 1: | Line 1: |
| == Kognitive Algorithmen == | == Anwendungen Kognitiver Algorithmen == |
| Line 7: | Line 7: |
| ||<|2> '''Termin:''' || t.b.a || || '''Raum:''' t.b.a || |
||<|2> '''Termin:''' ||Präsentationen 04.07.2012, 10:00 - 13:00 || || '''Raum:''' FR 6046 || |
| Line 14: | Line 14: |
| Computerprogramme können nützliche kognitive Fähigkeiten lernen. Dieses Seminar erlaubt eine vertiefende Einarbeitung in spezielle Anwendungsgebiete von Algorithmen aus dem Bereich des Maschinellen Lernens. Beispiele sind etwa automatisierte Informationsextraktion aus Texten, Mustererkennung in hochdimensionalen Daten, explorative Datenanalyse. | Computerprogramme können nützliche kognitive Fähigkeiten lernen. Dieses Seminar erlaubt eine vertiefende Einarbeitung in spezielle Anwendungsgebiete von Algorithmen aus dem Bereich des Maschinellen Lernens wie etwa automatisierte Informationsextraktion aus Texten, Mustererkennung in hochdimensionalen Daten, explorative Datenanalyse. |
| Line 16: | Line 16: |
| Unter Anleitung wird englischsprachige Fachliteratur über ausgewählte Anwendungsbeispiele von Algorithmen aus dem Bereich des Maschinellen Lernens zu analysieren, kritisch zu evaluieren und verständlich zu präsentieren sein. | Unter Anleitung wird englischsprachige Fachliteratur über ausgewählte Anwendungsbeispiele zu analysieren, kritisch zu evaluieren und verständlich zu präsentieren sein. |
| Line 22: | Line 22: |
| === Slides der Vorbesprechung === Enthält alle Abstracts der zur Auswahl stehenden Papers. [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/KA_Seminar.pdf|Slides]] |
|
| Line 23: | Line 25: |
| === Papers === || '''Thema''' || '''Student''' || '''Betreuer''' || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Oja1982.pdf|A simplified neuron model as a principal component analyzer]] || Tongxin Son || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Adelson1985.pdf|Spatiotemporal energy models for the perception of motion]] || || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Turk1991.pdf|Eigenfaces for Recognition]]|| Min Zheng|| || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Olshausen1996.pdf|Emergence of simple-cell receptive field properties by learning a sparse code for natural images]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/LeCun98.pdf|Gradient-Based Learning Applied to Document Recognition]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Berry1999.pdf|Matrices, Vector Spaces, and Information Retrieval]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Drucker1999.pdf|Support vector machines for spam categorization]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Mika1998.pdf|Kernel PCA and De--Noising in Feature Spaces]]|| Sha Huang|| || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Hofmann2001.pdf|Unsupervised Learning by Probabilistic Latent Semantic Analysis]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Viola2001.pdf|Rapid Object Detection using a Boosted Cascade of Simple Features]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/DeBie2004.pdf|Kernel methods for exploratory pattern analysis: a demonstration on text data]]|| || || || [[ http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Blankertz_2007_Neuroimage.pdf| The non-invasive Berlin Brain-Computer Interface: fast acquisition of effective performance in untrained subjects]]|| || || || [[http://www.user.tu-berlin.de/felix.biessmann/downloads/AKA/Kamitani_2005.pdf|Decoding the visual and subjective contents of the human brain]]|| || || |
Anwendungen Kognitiver Algorithmen
Blockseminar
Termine und Dozenten
Termin: |
Präsentationen 04.07.2012, 10:00 - 13:00 |
Raum: FR 6046 |
|
Verantwortlicher: |
|
Betreuer: |
Themen
Computerprogramme können nützliche kognitive Fähigkeiten lernen. Dieses Seminar erlaubt eine vertiefende Einarbeitung in spezielle Anwendungsgebiete von Algorithmen aus dem Bereich des Maschinellen Lernens wie etwa automatisierte Informationsextraktion aus Texten, Mustererkennung in hochdimensionalen Daten, explorative Datenanalyse.
Unter Anleitung wird englischsprachige Fachliteratur über ausgewählte Anwendungsbeispiele zu analysieren, kritisch zu evaluieren und verständlich zu präsentieren sein.
Voraussetzungen
Grundlegende Konzepte der Wahrscheinlichkeitsrechnung, Statistik und Linearer Algebra.
Slides der Vorbesprechung
Enthält alle Abstracts der zur Auswahl stehenden Papers. Slides