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:
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:
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:
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
Zitatschlüssel | Bielivtsov2016 |
---|---|
Autor | Bielivtsov, D. and Ladenbauer, J. and Obermayer, K. |
Seiten | 012306 |
Jahr | 2016 |
DOI | 10.1103/PhysRevE.94.012306 |
Journal | Physical Review E |
Jahrgang | 94 |
Nummer | 1 |
Verlag | American Physical Society |
Zusammenfassung | We consider a general class of stochastic networks and ask which network nodes need to be controlled, and how, to stabilize and switch between desired metastable (target) states in terms of the first and second statistical moments of the system. We first show that it is sufficient to directly interfere with a subset of nodes which can be identified using information about the graph of the network only. Then, we develop a suitable method for feedback control which acts on that subset of nodes and guarantees to preserve the covariance structure of the desired target state. Finally, we demonstrate our theoretical results using a stochastic Hopfield network as an example. Our results are applicable to a variety of (model) networks, and further our understanding of the relationship between network structure and collective dynamics for the benefit of effective control. |
Typ der Publikation | Selected:main selected:publications |
Zusatzinformationen / Extras
Direktzugang:
Hilfsfunktionen
Groiß, Camilla
Raum MAR 5042
Tel: +49 30 314 73442
Fax: +49 30 314 73121
E-Mail-Anfrage
Sprechzeiten:
Mi 9:00 - 11:00
Verbundprojekte in Forschung und Lehre
- Bernstein Center for Computational Neuroscience
- Research Training Group "Sensory Computation in Neural Systems"
- Graduate School Mind and Brain
- International Master-Program in Computational Neuroscience
- Einstein Center Neuroscience
- Collaborative Research Center "Control of Self-Organizing Nonlinear Systems"
- SysMedAlcoholism: Alcohol Addiction: A Systems-Oriented Approach
- Science of Intelligence (DFG Research Cluster)
- Collaborative Research Center "Mechanisms and Disturbances in Memory Consolidation"
- SMARTSTART - training program in computational neuroscience