direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Neuronale Informationsverarbeitung

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.

Modelle neuronaler Systeme:

Lupe

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.

Maschinelles Lernen und neuronale Netze:

Lupe

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.

Analyse neuronaler Daten:

Lupe

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.

Ausgewählte Publikationen

Franke, F., Natora, M., Boucsein, C., Munk, M. and Obermayer, K. (2010). An Online Spike Detection and Spike Classification Algorithm Capable of Instantaneous Resolution of Overlapping Spikes. Journal of Computional Neuroscience, 127 – 148.


Jain, B. and Obermayer, K. (2009). Structure Spaces. Journal of Machine Learning Research, 10, 2667 – 2714.


Stimberg, M., Wimmer, K., Martin, R., Schwabe, L., Marino, J., Schummers, J., Lyon, D., Sur, M. and Obermayer, K. (2009). The Operating Regime of Local Computations in Primary Visual Cortex. Cerebral Cortex, 19, 2166 – 2180.


Henrich, F. and Obermayer, K. (2008). Active Learning by Spherical Subdivision. Journal of Machine Learning Research, 9, 105 – 130.


Young, J., Waleszczyk, W., Wang, C., Calford, M., Dreher, B. and Obermayer, K. (2007). Cortical Reorganization Consistent with Spike Timing- but not Correlation-Dependent Plasticity. Nat. Neurosci., 10, 887 – 889.


Hochreiter, J. and Obermayer, K. (2006). Support Vector Machines for Dyadic Data. Neural Comput., 18, 1472 – 1510.


Mariño, J., Schummers, J., Lyon, D., Schwabe, L., Beck, O., Wiesing, P., Obermayer, K. and Sur, M. (2005). Invariant Computations in Local Cortical Networks with Balanced Excitation and Inhibition. Nature Neuroscience, 8, 194 – 201.


Schmitt, S., Evers, J.-F., Duch, C., Scholz, M. and Obermayer, K. (2004). New Methods for the Computer-Assisted 3D Reconstruction of Neurons from Confocal Image Stacks. Neuroimage, 23, 1283 – 1298.


Wenning, G. and Obermayer, K. (2003). Activity Driven Adaptive Stochastic Resonance. Physical Review Letters, 90, 120602.


Nach oben