KIT-Bibliothek

08: Maschinelles Lernen 2 - Fortgeschrittene Verfahren, Vorlesung, SS 2018, 29.06.2018

Diese Audio- bzw. Video-Datei ist urheberrechtlich geschützt. Der Zugriff ist nur über Rechner des Karlsruher Instituts für Technologie (KIT) erlaubt.

Autor

Camilo Vasquez Tieck

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

  • 0:00:00 Start
  • 0:00:57 Motivation - what is intelligence?
  • 0:04:50 Neural control in biology
  • 0:06:39 A global initiative
  • 0:08:57 The Human Brain Project at FZI
  • 0:09:54 Selected literature
  • 0:11:24 Back to biology - the brain
  • 0:13:36 What makes us humans - the cortex
  • 0:15:42 Hierarchical organisation of the cortex
  • 0:17:19 Cortical cells - neurons
  • 0:18:35 How do we learn - a theory
  • 0:23:07 What happens in neurons and synapses ?
  • 0:26:02 Synaptic plasticity enables learning
  • 0:30:39 Reverse-engineering the brain - spike trains
  • 0:33:58 History of artifical neural network models
  • 0:36:33 Abstraction level - what gives rise to the function?
  • 0:37:54 Different abstraction yield different models
  • 0:38:32 Why modeling at spike level?
  • 0:39:53 Modelling at the spike level
  • 0:41:08 Classic spiking neuron model
  • 0:42:11 Popular spiking neuron models
  • 0:43:10 Focus on simplicity
  • 0:44:31 Leaky integrate and fire in action
  • 0:45:56 Focus on realism - Hodgin – Huxley
  • 0:49:25 Focus on matching data - Izhivich Model
  • 0:49:44 A different formulation - The Spike Responce Model
  • 0:50:07 Comparaison between models
  • 0:51:44 Information coding - a spiking network problem
  • 0:52:22 Rate coding- from spiking to analog network
  • 0:53:37 Binary coding - spike train sampling
  • 0:54:43 Gaussian coding - dealing with spatial stimuli
  • 0:56:09 Synchronous coding schemes
  • 0:57:01 Correlations - dealing with spatio-temporal stimuli
  • 0:58:19 I/0- encoding and decoding
  • 0:59:27 What coding does the brain use?
  • 1:00:04 Conclusion

Laufzeit (hh:mm:ss)

01:02:09

Serie

Maschinelles Lernen 2 - Fortgeschrittene Verfahren, Vorlesung, SS 2018

Publiziert am

05.07.2018

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz

Auflösung 1280 x 720 Pixel
Seitenverhältnis 16:9
Audiobitrate 128000 bps
Audio Kanäle 2
Audio Codec aac
Audio Abtastrate 48000 Hz
Gesamtbitrate 934272 bps
Farbraum yuv420p
Container mov,mp4,m4a,3gp,3g2,mj2
Medientyp video/mp4
Dauer 3729 s
Dateiname DIVA-2018-518_hd.mp4
Dateigröße 435.504.794 byte
Bildwiederholfrequenz 25
Videobitrate 800174 bps
Video Codec h264

Embed-Code