Aufgrund des aktuellen Verbots der Präsenzlehre wird das Fachgebiet Neuronale Informationsverarbeitung dort, wo es möglich ist und inhaltlich Sinn macht, sein Lehrangebot für das SoSe 2020 auf virtuelle Vorlesungen, Übungen und Tutorien umstellen. Leider ist das nicht für alle Veranstaltungen möglich. Bitte beachten Sie weitere Ankündigungen auf unserer Webseite, die ausfallenden Veranstaltungen betreffend.

Stattfinden werden die Kurse:

- Praktisches Programmieren und Rechneraufbau (ISIS-Seite)

- Machine intelligence II (ISIS-Seite)

- Einführung in die Informatik . Vertiefung (Prof. Hellwich)

Nicht stattfinden werden die Kurse:

- Modelle zur Informationsverarbeitung im Gehirn

- Advanced topics in reinforcement learning

- NI-Projekt

Wir beschäftigen uns mit den Grundlagen der Informationsverarbeitung in biologischen Systemen. Einerseits möchten wir die Funktionsmechanismen unseres Gehirns verstehen, andererseits machen wir uns die Strategien biologischer Systeme in Anwendungen maschinellen Lernens zu Nutze. Unsere Forschungsinteressen sind thematisch in drei Bereiche unterteilt.

In Zusammenarbeit mit Neurobiologen und Klinikern erforschen wir die Mechanismen der Informationsverarbeitung im visuellen System. Die Forschungsthemen behinhalten: Kortikale Dynamik, die Repräsentation visueller Information, Adaptation und Plastizität, sowie die Rolle von Rückkopplung. Seit jüngerer Zeit beschäftigen wir uns mit dem Zusammenhang von Wahrnehmung und kognitiven Funktionen. Hier untersuchen wir mathematische Modelle der Entscheidungsfindung in unbekannten Umgebungen hinsichtlich der Frage, wie die zugrunde liegenden Prozesse mit Wahrnehmung und Gedächtnis wechselwirken.

Hier befassen wir uns mit dem künstlichen Erlernen von Zusammenhängen anhand von Beispielen, um Vorhersagen und Entscheidungen zu treffen. Die Forschungsthemen umfassen: Lernen geeigneter Darstellungen/Abbildungen, aktive und halbüberwachte Lernverfahren, sowie Prototyp-bezogene Methoden. Inspiriert durch die Modell-basierte Erforschung jener Vorgänge, welche für die Entscheidungsfindung eine zentrale Rolle spielen, haben wir begonnen Belohnungs- bzw. Bestrafungs-Lernen zu untersuchen und erweitern. Zusammen mit Spezialisten aus verschiedenen Anwendungsbereichen setzen wir maschinelles Lernen etwa zur Wiedergewinnung von Informationen ein, für maschinelles Sehen oder in der Chemoinformatik.

Hier wenden wir maschinelles Lernen und statistische Verfahren zur Analyse multivariater biometrischer Daten an, insbesondere Daten, welche eine Grundlage für unsere computergestützten Studien neuronaler Systeme bilden. Die Forschungsthemen variieren und beinhalten gegenwärtig Spike-sorting und die Analyse von Multi-Tetroden Aufnahmen, Konfokalmikroskopie und 3D-Rekonstruktionsmethoden, sowie die Analyse von Daten bildgebender Verfahren. Seit Kurzem beschäftigen wir uns mit der Analyse multimodaler Daten und korrelieren beispielsweise anatomische, genetische, und Bilddatensätze.

Während der Covid-19 bedingten Zugangsbeschränkungen zu den Gebäuden der TU Berlin, ist es erforderlich dass Sie sich per email zu einer Sprechstunde mit Prof. Obermayer anmelden.

Bitte schicken Sie dazu zunächst einige Tage im Voraus eine email, in der Sie Ihr Anliegen möglichst genau schildern. Sollte es sich nicht per email erledigen lassen, erhalten Sie zur Zeit der Sprechstunde (Mi 12 Uhr-13.00 Uhr) einen link per email, der Sie an einer entsprechenden Video Konferenz teilnehmen lässt.

Die Anfragen werden nach dem FIFO Prinzip bearbeitet. Bitte halten Sie sich dann während der gesamten Sprechstunde, beginnend um 12.00 Uhr zur Verfügung.