Navigation

Vergleich der Informationsverarbeitung von einfachen künstlichen neuronalen Netzwerken und äquivalenten biologischen Systemen

Motivation:

Neuronen-Netzwerk in einem Gehirn

Heute sind Deep-Learning-Systeme eine der Kerntechnologien der „künstlichen Intelligenz“. Diese Netzwerke basieren auf vielen Schichten – zumeist Convolutional-Neural-Networks – welche auf Faltungsoperationen aufbauen. Hierbei zeigen aktuelle Forschungsergebnisse, dass die zugrundeliegenden Mechaniken dieser Systeme noch nicht verstanden werden und eine Unterscheidung aus fallspezifischem Auswendiglernen und wirklichem Systemverständnis kaum möglich ist.

Neben der technischen Variante der neuronalen Netze wurden in den letzten Jahren verschiedene Modelle zur Simulation für biologische Netzwerke entwickelt. Dabei zeigte sich, dass diese Entwicklungen weitestgehend unbeachtet voneinander stattfanden. Neueste Erkenntnisse zeigen jedoch, dass technische Netze von Ansätzen der biologischen profitieren können. So können in Feed-Forward-Netzen 90% der Neuronen eingespart werden, ohne nennenswerte Erhöhung der Fehlerrate. Die vollvernetzten Feed-Forward-Netze bilden Informationspfade aus, vergleichbar mit dem Bilden und Trennen von Verknüpfungen im Gehirn. Es gilt nun diese Informationspfade verstehen zu lernen.

Hierzu sollen die Unterschiede zwischen technischen und biologischen Netzen aufgezeigt und bezogen auf unterschiedliche Netzwerktopologien untersucht werden. Dafür müssen Konzepte von technischen und biologischen Netzwerke jeweils mit technischen und biologischen Neuronen modelliert, simuliert und verglichen werden.

Arbeitspakete:

  1. Modellierung (Wahlweise: Matlab, Python, R oder C) von einfachen Feed-Forward-, Motif- und Chaos-Netzwerken mit technischen und biologischen Neuronen
  2. Beschreibung des Verhaltens der verschiedenen Netzwerke
  3. Vergleich der Logik von technischen und biologischen Systemen

Wünschenswerte Anforderungen:

  • Hohes Maß an Eigeninitiative
  • Programierkenntnisse in Matlab oder Python
  • Interesse an Simulation und mathematischen Zusammenhängen

Beginn: ab sofort

Sprache: Deutsch oder Englisch

Kooperation:

Dieses Projekt findet in Kooperation mit dem Lehrstuhl für Tierphysiologie statt und wird durch Herrn Prof. Dr. rer. nat. A. Feigenspan unterstützt.

Betreuer:

Dr.-Ing. Thomas Pircher

  • Tätigkeit: Wiss. Mitarbeiter
  • Adresse:
    Raum 1.624
  • Telefonnummer: +49 9131 85-29456
  • E-Mail: pi@ipat.fau.de