Seminar im Wintersemester 2023/24: "Kombinatorische Optimierung und Künstliche Intelligenz"

      Prof. Dr. Martin Schottenloher

Do 12 - 14, B 252. Beginn 19.10.2023

Schedule

• 19.10.23 Stochastic Optimization for Wavelength-Routed Optical Network-on-Chips Design under Process Variation (Liaoyuan Cheng)
  Kurze Vorbesprechung
• 26.10.23 Fällt aus.
• 02.11.23 Fällt aus.
• 09.11.23 Einführung in das Scheduling anhand des Einmaschinenmodells (Nadja Dopfer)
• 16.11.23 Fällt aus.
• 23.11.23 Fällt aus.
• 30.11.23 Einführung in Künstliche Neuronale Netze: Perceptron und Lineare Regression (Theresia Straka)
• 07.12.23 Support Vector Machine SVP (Laura Prieto)
• 14.12.23 Fällt aus.
• 11.01.24 Das PAC-learning framework (Jonas Gericke)
• 18.01.24 Beispiel: Scheduling im Gesundheitswesen (Nadja Dopfer)
• 25.01.24 Einführung in die Faltungsnetze (Gabriel Konecny)
• 01.02.24 Backpropagation (Theresia Straka)
• 08.02.24 Ausgewählte Eigenschaften des PAC-learning frameworks (Jonas Gericke)

Inhalt:

Es werden eigenständige Vorträge zu ausgewählten Themen aus der Kombinatorischen Optimierung und der Künstlichen Intelligenz (KO & KI) und zu ihrem Zusammenspiel gehalten. Den Teilnehmerinnen und Teilnehmern wird dabei die Möglichkeit eingeräumt, bei der Bestimmung der Themen des Seminars mitzuwirken (dazu gehört allerdings eine baldige Anmeldung, s.u.). Die Inhalte der Vorträge sollen sich im Wesentlichen auf Themen zu Künstlichen Neuronalen Netzen (KNNs) oder auf Anwendungen in Physik oder Mathematik konzentrieren. Ebenso sind Fragen zur Mathematischen Optimierung im Machine Learning willkommen. Die folgenden Themenbereiche stehen zur Diskussion:

1. Künstliche Neuronale Netze
   • Grundlagen zu KNNs, Struktur und Learning durch Optimierung
   • Support Vector Machines, Lineare Regression
   • Convolutional Neural Networks (CNNs)
   • Recurrent Neural Networks (RNN) and LSTM
   • KNNs und Symmetrie
   • Variational Autoencoders (VAEs)
   • Transformernetze
2. KNNs und Physik, geometrische KNNs
3. KI-Anwendungen in Mathematik

Daneben sind Themen willkommen, die z.B. Anwendungen von KNNs auf Optimierungsprobleme behandeln.

Literatur

Übersicht zu KNNs in den Büchern:
      - Goodfellow, Bengio, and Courville: "Deep Learning" (auf englisch: https://www.deeplearningbook.org/; in unserer Bibliothek auch auf deutsch)
      - Aggarwal: "Neural Networks and Deep Learning"
      - Skansi: "Introduction to Deep Learning"
und in vielen weiteren Lehrbüchern.

Wichtig:
Allerdings müssen für einen Vortrag in diesem Seminar die mathematischen Aspekte der jeweiligen neuronalen Netzwerke erst noch herausgearbeitet werden, denn die mathematischen Aspekte stehen in den genannten Quellen nicht im Vordergrund.
Eine Einführung in Neuronal Netze, die auf mathematische Aspekte eingeht, wird in dem Skript von V. Aurich gegeben:
      - Aurich: "Neuronale Netze" (http://www.dk3pk.de/Skripte/NeuronaleNetze_2012jul03.pdf)

Physik und KNNs:
      - Ivancevic "Quantum Neural Computation" (online in unserer Bilbliothek vorhanden)

KI-Anwendungen in Mathematik:
      - Davies et alii "Advancing mathematics by guiding human intuition with AI"

Zu dem Zusammenspiel von KO und KI findet man beispielsweise in dem Tagungsband
      - Battiti et alii: "Learning and Intelligent Optimization" 12th International Conference, Kalamata, Greece, 2018
einige Anregungen.

Zu dem Thema Scheduling gibt das Buch
      - Jaehn/Pesch: "Ablaufplanung"
eine elementare und solide Einführung in das Scheduling und auch in die Kombinatorische Optimierung. Weiterführende Aspekte findet man in den Büchern von Pinedo.

Voraussetzungen

Elementare Grundkenntnise über Künstliche Neuronale Netze und Kombinatorische Optimierung.

Für wen?

Das Seminar ist für Bachelor oder Master geeignet. Masterstudenten müssen einen zweiten Vortrag halten, wenn Sie einen Hauptsemeinarschein (6 ECTS) anstreben, den zweiten Vortrag möglicherweise zu einem anderen Zeitpunkt (Ausweichtermin).

Anmeldung

Möglichst bald per Mail bei Martin Schottenloher: martin@schottenloher.de. Es können nur bis zu 12 Teilnehmer aufgenommen werden. Eine frühe Anmeldung ermöglicht eine bessere Abstimmung der Themen. Insbesondere kann ein gemeinsamer Themenbereich durch mehrere Vorträge behandelt werden.

Die Inhalte der Seminare in den vergangenen Semestern: TQA-Seminare vergangener Semester