Automation II – Neuronale Netze zur Mustererkennung

Vom 29.03. bis zum 31.03.2021 fand ein weiteres Onlinetreffen des IKON-Projektes statt. Diesmal trafen sich 12 Teilnehmer:innen der TUC und 5 Teilnehmer:innen der UJEP im Rahmen des Projektblockes 6: Automation II. Ziel der Veranstaltung und somit auch Kernaspekt der Veranstaltung war,  die komplexen Aufgaben zum Thema zu bearbeiten, virtuell zu besprechen und letztendlich auch zu präsentieren. 

Vorstellung der Recherchethemen

Nachdem Dr.Sc. Mashkov (UJEP) und Shadi Saleh (TUC) die aktuellen Recherchethemen und Forschungsobjekte vorgestellt hatten, nutzte man den ersten sowie auch den zweiten Tag der Veranstaltung für die Einzelpräsentationen der jeweiligen Universitäten zu den gegebenen Aufgabenstellungen. 

Nachdem alle Ergebnisse erfolgreich vorgestellt und demonstriert werden konnten, schloss Batbayar Battseren die virtuellen Projektttage mit einer Einführungsveranstaltung zum Thema: Neuronale Netzwerke und Mustererkennnung ab. Was genau man darunter versteht, kann man folgendermaßen zusammenfassen: „Neuronale Netze (auch: Künstliche neuronale Netze oder Artificial Neural Networks, ANN) stellen einen wichtigen Entwicklungszweig im Bereich der Künstlichen Intelligenz dar und sind insbesondere Forschungsgegenstand der sogenannten Neuroinformatik, einer verhältnismäßig neuen Querschnittsdisziplin zwischen Informatik und Neurobiologie.

Präsentation eines Studierenden

Neuronale Netze befähigen einen Computer mithilfe von speziell entwickelten Algorithmen und Deep Learning zur hocheffizienten Mustererkennung in Big Data. Neuronale Netze können folglich als eine Vielzahl von Algorithmen, die vage nach dem Vorbild des menschlichen Gehirns modelliert sind, Muster in großen Datenmengen zu erkennen.“(Quelle: https://www.retresco.de/lexikon/neuronale-netze/)

Das IKON-Team gratuliert allen Teilnehmer:innen zum erfolgreichen Abschluss von Automation II. 

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert