Vorlesungsverzeichnis 

Vorlesung im Detail

Neural networks for solving PDEs (Digital)

Nummer
011454, WS2021
Dozentinnen und Dozenten
Veranstaltungstyp (SWS)
Vorlesung (2+1)
Ort und Zeit
  • Digital: Mi 12:00 2h
Modul-Zugehörigkeit (ohne Gewähr)
  • DPL:A:-:-
  • DPL:B:-:2
  • DPL:E:-:-
  • MAMA:-:7:MAT-761
  • TMAMA:-:7:MAT-761
  • WIMAMA:-:7:MAT-761
Sprechstunde zur Veranstaltung
nach Vereinbarung
Anmeldung?
ohne Angabe
Gewünschte Vorkenntnisse
Basics of optimization Numerik II Basic of Neural Networks is a plus/ Basic of the lecture ’’NN for solving ODEs’’
Inhalt
Preliminaries of Artificial Neural Network
1.Mathematical Model of Artificial Neural Network
2.Activation Function
3. Neural Network Architecture
- Feed Forward Neural networks
- Recurrent Neural networks
- cellular Neural networks
- Finite Element Neural networks
- Radial Basis Function Neural networks
4. Optimization algorithms
5.Learning in Neural Networks
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning
6. Learning Algorithm
- BP Algorithm
- the RPROP learning Algorithm
- Genetic Algorithm
Neural Networks Methods for Solving Partial differential equations
1.Method of Multilayer Perceptron Neural Networks
2. Method of cellular Neural networks
3.Method of Radial Basis Function Neural networks
4.Method of Finite Element Neural networks
Bemerkungen
Link zum Modulhandbuch Mathematik

Die Veranstaltung ist auch für das Masterstudium Data Science wählbar.
Empfohlene Literatur
  • No text book is specified but the following reference books may be some of use and help
  • 1. Deep Learning by Ian Goodfellow , Yoshua Bengio and Aaron Courville

Übung zur Veranstaltung

Nummer der Übung
011455
Übungsgruppen
  • n.V.

« (zurück) zum Vorlesungsverzeichnis