Diese Webseite wird nicht mehr aktualisiert.

Mit 1.10.2022 ist die Fakultät für Physik in der TUM School of Natural Sciences mit der Webseite https://www.nat.tum.de/ aufgegangen. Unter Umstellung der bisherigen Webauftritte finden Sie weitere Informationen.

de | en

Weiterführendes Deep Learning für die Robotik (IN2349)
Advanced Deep Learning for Robotics (IN2349)

Lehrveranstaltung 0000003810 im SS 2018

Basisdaten

LV-Art Vorlesung
Umfang 2 SWS
betreuende Organisation Informatik 6 - Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme (Prof. Knoll)
Dozent(inn)en Berthold Bäuml
Leitung/Koordination: Darius Burschka
Termine

Zuordnung zu Modulen

weitere Informationen

Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).

ergänzende Hinweise Das Modul lehrt die theoretischen Grundlagen und die effiziente Implementierung von modernen Neuronale Netze Architekturen und insbesondere Deep Learning Architekturen für fortgeschrittene Anwendungen in der Robotik, besonders Reinforcement Learning. - Wiederholung von Deep Learning in Neuronalen Netzen (Multilayer Perzeptron, CNN, automatisches Differenzieren, Methoden der Optimierung und Regularisierung) - Deep Self-supervised Lernen (Bellman equation, Deep Q- Learning, Deep Deterministic Policy Gradients, Trust Region Policy Optimization) - Fortgeschrittene Methoden des Deep Reinforcement Lernens (Aufmerksamkeitsmechanismen, Neural Turing Machines , Alpha Go, Alpha Zero, ...) - Transfer und One Shot Learning (Siamese Networks, Progressive Neural Networks, Kombination von simulierten und realen Beispieldaten) - Netzwerkarchitekturen, die Robustheit garantieren und Konfidenz- Maße für Vorhersagen berechnen; Analyse gelernter Netzwerkmodelle - Anwendungen in der Robotik (Lernen zu Greifen; tactile Materialerkennung, schnelle Bewegungsplanung;) - Software frameworks für fortgeschrittenes Deep Learning (TensorFlow, Keras, Deepmind Sonnett, Facebook Torch) - Open problems in Deep Learning for Robotics
Links LV-Unterlagen
E-Learning-Kurs (z. B. Moodle)
Zusatzinformationen
TUMonline-Eintrag
Nach oben