227-0395-00L  Neural Systems

SemesterFrühjahrssemester 2019
DozierendeR. Hahnloser, M. F. Yanik, B. Grewe
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
227-0395-00 VNeural Systems2 Std.
Mo09:15-11:00LFV E 41 »
R. Hahnloser, M. F. Yanik, B. Grewe
227-0395-00 UNeural Systems1 Std.
Mo11:15-12:00LFV E 41 »
15.04.11:15-13:00HG E 26.1 »
11:15-13:00HG E 26.3 »
29.04.11:15-13:00HG E 19 »
11:15-13:00HG E 27 »
R. Hahnloser, M. F. Yanik, B. Grewe
227-0395-00 ANeural Systems1 Std.R. Hahnloser, M. F. Yanik, B. Grewe

Katalogdaten

KurzbeschreibungThis course introduces principles of information processing in neural systems. It covers basic neuroscience for engineering students, experimental techniques used in studies of animal behavior and underlying neural mechanisms. Students learn about neural information processing and basic principles of natural intelligence and their impact on efforts to design artificially intelligent systems.
LernzielThis course introduces
- Methods for monitoring of animal behaviors in complex environments
- Information-theoretic principles of behavior
- Methods for performing neurophysiological recordings in intact nervous systems
- Methods for manipulating the state and activity in selective neuron types
- Methods for reconstructing the synaptic networks among neurons
- Information decoding from neural populations,
- Sensorimotor learning, and
- Neurobiological principles for machine learning.
InhaltFrom active membranes to propagation of action potentials. From synaptic physiology to synaptic learning rules. From receptive fields to neural population decoding. From fluorescence imaging to connectomics. Methods for reading and manipulation neural ensembles. From classical conditioning to reinforcement learning. From the visual system to deep convolutional networks. Brain architectures for learning and memory. From birdsong to computational linguistics.
Voraussetzungen / BesonderesBefore taking this course, students are encouraged to complete "Bioelectronics and Biosensors" (227-0393-10L).

As part of the exercises for this class, students are expected to complete a (python) programming project to be defined at the beginning of the semester.

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte6 KP
PrüfendeR. Hahnloser, B. Grewe, M. F. Yanik
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird nur in der Session nach der Lerneinheit angeboten. Die Repetition ist nur nach erneuter Belegung möglich.
Prüfungsmodusschriftlich 120 Minuten
Zusatzinformation zum PrüfungsmodusThe student's grade is composed 3/4 by final exam and 1/4 by project (compulsory continuous performance assessment).
The project will be graded, if no project is submitted, this will result in a grade of 1.
Hilfsmittel schriftlichnone (closed book exam)
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

Keine öffentlichen Lernmaterialien verfügbar.
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Keine zusätzlichen Belegungseinschränkungen vorhanden.

Angeboten in

StudiengangBereichTyp
Biomedical Engineering MasterWahlfächer der VertiefungWInformation
DAS in Data ScienceNeural Information ProcessingWInformation
Data Science MasterInterdisziplinäre WahlfächerWInformation
Elektrotechnik und Informationstechnologie BachelorKernfächer des 3. JahresWInformation
Gesundheitswissenschaften und Technologie MasterWahlfächer IIWInformation
Neural Systems and Computation MasterSystemneurowissenschaftenWInformation
Neural Systems and Computation MasterWahlfächerWInformation
Neural Systems and Computation MasterTheoretische und Computergestützte NeurowissenschaftenWInformation
Physik MasterAllgemeine WahlfächerWInformation