Prof. Dr.-Ing. Roland Harig

Honorary Professor

Contact

Prof. Dr.-Ing. Roland Harig
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.010

Previous activity

until 03/2015
Head of Research Area Optical Measurement Technology (Infrared Measurment Technology) at the Institute of Measurement Technology / TUHH

Publications

TUHH Open Research (TORE)

2012

2011

2008

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Advanced Machine Learning (GÜ)
Subtitle:
Diese Lehrveranstaltung ist Teil des Moduls: Fortgeschrittenes maschinelles Lernen, Mathematik neuronaler Netzwerke
Semester:
WiSe 23/24
Course type:
Exercise
Course number:
lv2323_w23
Lecturer:
Dr. Jens Zemke
Description:

Grundlagen: Analogie, Aufbau neuronaler Netze, universelle Approximationseigenschaft, NP-Vollständigkeit

Feedforward-Netze: Backpropagation, Varianten des stochastischen Gradientenverfahrens

Deep Learning: Probleme und Lösungsstrategien

Deep Belief Networks: Energie-basierte Modelle, Contrastive Divergence

Faltungsnetze: Idee, Aufbau, FFT und Algorithmen von Winograd, Implementationsdetails

Rekurrente Netze: Idee, dynamische Systeme, Training, LSTM

Residuale Netze: Idee, Verbindung zu neuronalen ODEs

Standardbibliotheken: Tensorflow, Keras, PyTorch

Performance accreditation:
650 - Mathematik neuronaler Netzwerke<ul><li>650 - Mathematik neuronaler Netzwerke: mündlich</li></ul><br>m1552-2022 - Fortgeschrittenes maschinelles Lernen<ul><li>p1480-2022 - Fortgeschrittenes maschinelles Lernen: mündlich</li></ul>
ECTS credit points:
3
Stud.IP informationen about this course:
Home institute: Institut für Mathematik (E-10)
Registered participants in Stud.IP: 236
Documents: 31