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
-
IN2349: Weiterführendes Deep Learning für die Robotik / Advanced Deep Learning for Robotics
Dieses Modul ist in den folgenden Katalogen enthalten:- Fokussierungsrichtung Biosensorik im M.Sc. Biomedical Engineering and Medical Physics
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 |
Gleiche Lehrveranstaltungen (z. B. in anderen Semestern)
Semester | Titel | Dozent(en) | Termine |
---|---|---|---|
WS 2023/4 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. | |
SS 2023 | Advanced Deep Learning for Robotics (IN2349) |
Bäuml, B.
Leitung/Koordination: Burschka, D. |
Do, 12:00–14:00, MI HS2 |
WS 2022/3 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. | |
SS 2022 | Weiterführendes Deep Learning für die Robotik (IN2349) |
Bäuml, B.
Leitung/Koordination: Burschka, D. |
Do, 12:00–14:00, MI HS2 |
WS 2021/2 | Weiterführendes Deep Learning für die Robotik (IN2349) | Bäuml, B. |
Do, 12:00–15:30, virtuell Do, 12:00–15:30, virtuell |
SS 2021 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. Burschka, D. | |
WS 2020/1 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. | |
SS 2020 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. | |
SS 2019 | Advanced Deep Learning for Robotics (IN2349) | Bäuml, B. Burschka, D. | |
SS 2017 | Deep Learning in Robotics (IN2349) |
Bäuml, B.
Leitung/Koordination: Burschka, D. |